我正在尝试分析默认的map reduce作业,该作业没有定义mapper或reducer。
即使用IdentityMapper和IdentityReducer的一种
为了使自己清楚,我只是写了我的身份简化程序

public static class MyIdentityReducer extends MapReduceBase implements Reducer<Text,Text,Text,Text> {
        @Override
        public void reduce(Text key, Iterator<Text> values,
                OutputCollector<Text, Text> output, Reporter reporter)
                throws IOException {
            while(values.hasNext()) {
                Text value = values.next();
                output.collect(key, value);
            }
        }
    }

我的输入文件是:
$ hadoop fs -cat NameAddress.txt
Dravid Banglore
Sachin Mumbai
Dhoni Ranchi
Dravid Jaipur
Dhoni Chennai
Sehwag Delhi
Gambhir Delhi
Gambhir Calcutta

I was expecting
Dravid Jaipur
Dhoni Chennai
Gambhir Calcutta
Sachin Mumbai
Sehwag Delhi

I got
$ hadoop fs -cat NameAddress/part-00000
Dhoni   Ranchi
Dhoni   Chennai
Dravid  Banglore
Dravid  Jaipur
Gambhir Delhi
Gambhir Calcutta
Sachin  Mumbai
Sehwag  Delhi

我认为,由于聚合是由程序员在化简器的while循环中完成的,然后再写入到outputcollector中。我的印象是,传递给outputcollector的reducer的键始终是唯一的&因为在这里如果我不进行聚合,则最后一个键的值将覆盖先前的值。显然不是这样。
有人可以给我更好的outputcollector现场知识,它如何工作以及如何处理所有键。我在hadoop src代码中看到了outputcollector的许多实现。
我可以编写自己的outputcollector来完成我的期望吗?

最佳答案

键对于化简器是唯一的,并且对化简器的每个调用都具有唯一的键值,并且该键值可迭代与该键关联的所有值。您正在做的是遍历传入的所有值并写出每个值。

因此,在您的情况下, call 数量可能少于数据数量。您仍然最终将所有值都写了出来。

08-06 16:14