hadoop - 读取csv MapReduce中的空单元格时的ArrayIndexOutofBounds

我正在尝试为以下数据运行MapReduce程序。



这是我的映射器代码:

@Override
protected void map(Object key, Text value, Mapper.Context context) throws IOException, ArrayIndexOutOfBoundsException,InterruptedException {
    String tokens[]=value.toString().split(",");
    if(tokens[6]!=null){
        context.write(new Text(tokens[6]), new IntWritable(1));
    }

}

由于某些单元格数据为空，因此当我尝试读取Carrier_delay列时，出现以下错误。请指教。

17/04/13 20:45:29 INFO mapreduce.Job: Task Id : attempt_1491849620104_0017_m_000000_0, Status : FAILED
Error: java.lang.ArrayIndexOutOfBoundsException: 6
    at Test.TestMapper.map(TestMapper.java:22)
    at Test.TestMapper.map(TestMapper.java:17)
    at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145)
    at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:764)
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:340)
    at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:168)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:422)

Configuration conf = new Configuration();
Job job = Job.getInstance(conf,"IP Access");
job.setJarByClass(Test.class);
job.setMapperClass(TestMapper.class);

job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);

job.setReducerClass(TestReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);

FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);

最佳答案

问题在一行中:if(tokens[6]!=null){。

问题是您想获取tokens [6]的值，然后检查它是否为null。但是，有些行仅包含六列(第七行为空)，因此在这些情况下，tokens是一个六元素数组。这意味着它包含从tokens[0]到tokens[5]的值。当您尝试访问tokens[6]时，您超出了数组的大小，因此得到了ArrayIndexOutOfBoundsException。

做您想要做的正确方法是:

IntWritable one = new IntWritable(1); //this saves some time ;)
Text keyOutput = new Text(); //the same goes here

@Override
protected void map(Object key, Text value, Mapper.Context context) throws IOException, ArrayIndexOutOfBoundsException,InterruptedException {
    String tokens[]=value.toString().split(",");
    if(tokens.length == 7){
        keyOutput.set(tokens[6]);
        context.write(keyOutput, one);
    }

}

更多提示:从您的部分代码来看，我想您想计算载波延迟特定值出现的次数。在这种情况下，您还可以像WordCount程序那样使用组合器来加快处理速度。您还可以将载波延迟解析为IntWritable，以节省时间和空间。

关于hadoop - 读取csv MapReduce中的空单元格时的ArrayIndexOutofBounds，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43403788/