最近我读了一篇论文，提出了从DNA数据中挖掘最大连续模式的算法。提出的方法听起来很有趣，使用了以下MapReduce模型。 MAP-＆GT; MAP-＆GT; reduce-＆GT;减少。即，执行第一映射阶段并将其输出输入到第二阶段映射。第二相位图的输出被输入到第一相位减少。第一阶段reduce的输出输入到第二阶段reduce，最后将结果刷新到HDFS。 虽然这似乎是一种有趣的方法，但该文章并未提及它们是如何实现的。我的问题是，你如何实现这种MapReduce链接？
答案 0 :(得分：1)
在Hadoop中，据我所知，你现在不能这样做。
一种方法可以是使用ChainMapper来执行map-＆gt; map-＆gt; reduce part。然后，将此作业的结果发送到另一个作业，并将映射器设置为IdentityMapper，将缩减器设置为您拥有的第二个相位缩减器。
答案 1 :(得分：0)
我认为有两种方法可以解决您的问题：
将两个地图功能代码集成到一个具有两个阶段的地图任务中。使用与map相同的方法减少任务。
将map-map-reduce-reduce进度划分为两个作业：将第二个地图任务类型转换为减少任务后，将两个地图作为第一个Hadoop作业;在将第一个reduce任务转换为map之后，two减少了第二个Hadoop作业。如果根据其他人提交一些hadoop作业，您可以使用Oozie来处理Hadoop工作流程。
答案 2 :(得分：0)
请阅读TEZ。 M-> M-> R-> R-> R在那里支持任何组合