hadoop - MapReduce示例

我正在阅读有关mapreduce的信息，并且想知道一个特定的场景。假设我们有几个文件(例如，fileA，fileB，fileC)，每个文件都由多个整数组成。如果我们想对所有文件中的数字进行排序以创建如下所示的内容:

23 fileA
34 fileB
35 fileA
60 fileA
60 fileC

map 和简化流程将如何工作？

目前，这是我所拥有的，但还不完全正确；

(fileName, fileContent) -> (map to) (Number, fileName)

对临时键，值对进行排序并获取(Number, (list of){fileName1, fileName2...})

减少临时对并获得

(Number, fileName1)
(Number, fileName2)

依此类推

问题在于，在排序阶段，文件名可能不是按字母顺序排列的，因此reduce部分将不会生成正确的输出。有人可以针对这种情况的正确方法提供一些见解吗？

最佳答案

实现此目的的最佳方法是通过辅助排序。您需要同时对键(在您的案例编号中)和值(在您的案例文件名中)进行排序。在Hadoop中，映射器输出仅按键排序。

这可以通过使用复合键来实现:复合键是数字和文件名的组合。例如对于第一个记录，键将是(23，fileA)，而不是(23)。

您可以在此处阅读有关二级排序的信息:https://www.safaribooksonline.com/library/view/data-algorithms/9781491906170/ch01.html

您还可以阅读“ Hadoop权威指南”一书中的“ Secondary Sort ”部分。

为了简单起见，我编写了一个程序来实现相同的目的。

在此程序中，默认情况下，映射器对键进行排序。我已经编写了一种逻辑来对化简器端的值进行排序。因此，它需要同时对键和值进行排序，并产生所需的输出。

以下是程序:

package com.myorg.hadooptests;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.*;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;
import java.util.*;

public class SortedValue {


    public static class SortedValueMapper
            extends Mapper<LongWritable, Text , Text, IntWritable>{

        public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

            String[] tokens = value.toString().split(" ");

            if(tokens.length == 2) {
                context.write(new Text(tokens[1]), new IntWritable(Integer.parseInt(tokens[0])));
            }
        }
    }

    public static class SortedValueReducer
            extends Reducer<Text, IntWritable, IntWritable, Text> {

        Map<String, ArrayList<Integer>> valueMap = new HashMap<String, ArrayList<Integer>>();

        public void reduce(Text key, Iterable<IntWritable> values,
                           Context context) throws IOException, InterruptedException {

            String keyStr = key.toString();
            ArrayList<Integer> storedValues = valueMap.get(keyStr);

            for (IntWritable value : values) {
                if (storedValues == null) {
                    storedValues = new ArrayList<Integer>();
                    valueMap.put(keyStr, storedValues);
                }
                storedValues.add(value.get());
            }

            Collections.sort(storedValues);
            for (Integer val : storedValues) {
                context.write(new IntWritable(val), key);
            }
        }
    }

    public static void main(String[] args) throws Exception {

        Configuration conf = new Configuration();

        Job job = Job.getInstance(conf, "CompositeKeyExample");
        job.setJarByClass(SortedValue.class);
        job.setMapperClass(SortedValueMapper.class);
        job.setReducerClass(SortedValueReducer.class);

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

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

        FileInputFormat.addInputPath(job, new Path("/in/in1.txt"));
        FileOutputFormat.setOutputPath(job, new Path("/out/"));

        System.exit(job.waitForCompletion(true) ? 0:1);

    }
}

映射器逻辑:

解析每一行。假定键和值由空白字符(“”)分隔。

如果该行包含2个标记，则发出(文件名，整数值)。例如对于第一个记录，它发出(fileA，23)。

reducer 逻辑:

它将(key，value)对放入HashMap中，其中key是文件名，value是该文件的整数列表。例如对于fileA，存储的值为23、34和35

最后，它对特定键的值进行排序，并为每个值从reducer发出(值，键)。例如对于fileA，记录输出为:(23，fileA)，(34，fileA)和(35，fileA)

我为以下输入运行了该程序:

34 fileB
35 fileA
60 fileC
60 fileA
23 fileA

我得到以下输出:

23      fileA
35      fileA
60      fileA
34      fileB
60      fileC

关于hadoop - MapReduce示例，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/34259487/