我最近开始使用 Hadoop，但在使用 Mapfile 作为 MapReduce 作业的输入时遇到了问题。
以下工作代码在 hdfs 中编写了一个名为“TestMap”的简单 MapFile，其中有三个 Text 类型的键和三个 BytesWritable 类型的值。
这里是TestMap的内容:
$ hadoop fs -text /user/hadoop/TestMap/data
11/01/20 11:17:58 INFO util.NativeCodeLoader: Loaded the native-hadoop library
11/01/20 11:17:58 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library
11/01/20 11:17:58 INFO compress.CodecPool: Got brand-new decompressor
A 01
B 02
C 03
这是创建 TestMap Mapfile 的程序:
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.io.MapFile;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.BytesWritable;
import org.apache.hadoop.io.SequenceFile;
import org.apache.hadoop.io.IOUtils;
public class CreateMap {
public static void main(String[] args) throws IOException{
Configuration conf = new Configuration();
FileSystem hdfs = FileSystem.get(conf);
Text key = new Text();
BytesWritable value = new BytesWritable();
byte[] data = {1, 2, 3};
String[] strs = {"A", "B", "C"};
int bytesRead;
MapFile.Writer writer = null;
writer = new MapFile.Writer(conf, hdfs, "TestMap", key.getClass(), value.getClass());
try {
for (int i = 0; i < 3; i++) {
key.set(strs[i]);
value.set(data, i, 1);
writer.append(key, value);
System.out.println(strs[i] + ":" + data[i] + " added.");
}
}
catch (IOException e) {
e.printStackTrace();
}
finally {
IOUtils.closeStream(writer);
}
}
}
下面的简单 MapReduce 作业尝试将 mapfile 的值增加 1:
import java.io.IOException;
import java.util.Iterator;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.SequenceFileInputFormat;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.mapred.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
import org.apache.hadoop.io.BytesWritable;
public class AddOne extends Configured implements Tool {
public static class MapClass extends MapReduceBase
implements Mapper<Text, BytesWritable, Text, Text> {
public void map(Text key, BytesWritable value,
OutputCollector<Text, Text> output,
Reporter reporter) throws IOException {
byte[] data = value.getBytes();
data[0] += 1;
value.set(data, 0, 1);
output.collect(key, new Text(value.toString()));
}
}
public static class Reduce extends MapReduceBase
implements Reducer<Text, Text, Text, Text> {
public void reduce(Text key, Iterator<Text> values,
OutputCollector<Text, Text> output,
Reporter reporter) throws IOException {
output.collect(key, values.next());
}
}
public int run(String[] args) throws Exception {
Configuration conf = getConf();
JobConf job = new JobConf(conf, AddOne.class);
Path in = new Path("TestMap");
Path out = new Path("output");
FileInputFormat.setInputPaths(job, in);
FileOutputFormat.setOutputPath(job, out);
job.setJobName("AddOne");
job.setMapperClass(MapClass.class);
job.setReducerClass(Reduce.class);
job.setInputFormat(SequenceFileInputFormat.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(Text.class);
job.setOutputFormat(TextOutputFormat.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
job.set("key.value.separator.in.input.line", ":");
JobClient.runJob(job);
return 0;
}
public static void main(String[] args) throws Exception {
int res = ToolRunner.run(new Configuration(), new AddOne(), args);
System.exit(res);
}
}
我得到的运行时异常是:
java.lang.ClassCastException: org.apache.hadoop.io.LongWritable cannot be cast to org.apache.hadoop.io.BytesWritable
at AddOne$MapClass.map(AddOne.java:32)
at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:50)
at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:358)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:307)
at org.apache.hadoop.mapred.Child.main(Child.java:170)
我不明白为什么 hadoop 试图转换一个 LongWritable，因为在我的代码中我正确定义了 Mapper 接口(interface)(
Mapper<Text, BytesWritable, Text, Text> )。有人可以帮助我吗？
非常感谢你
卢卡
最佳答案
您的问题来自这样一个事实，尽管名称告诉您， MapFile 不是文件。
MapFile 实际上是一个由两个文件组成的目录:有一个“数据”文件，它是一个 SequenceFile，包含您写入其中的键和值；但是，还有一个“索引”文件，它是一个不同的 SequenceFile，其中包含键的子序列及其作为 LongWritables 的偏移量；这个索引由 MapFile.Reader 加载到内存中，让您快速二进制搜索以找到数据文件中的偏移量，当您进行随机访问时，该偏移量将包含您想要的数据。
您正在使用旧的 "org.apache.hadoop.mapred" version of SequenceFileInputFormat 。当你告诉它查看 MapFile 作为输入时，知道只查看数据文件是不够聪明的；相反，它实际上尝试使用数据文件和索引文件作为常规输入文件。数据文件将正常工作，因为类与您指定的内容一致，但索引文件将抛出 ClassCastException，因为索引文件值都是 LongWritables。
你有两个选择:你可以开始使用 "org.apache.hadoop.mapreduce" version of SequenceFileInputFormat(从而改变你代码的其他部分)，它对 MapFiles 有足够的了解，只需要查看数据文件；或者，您可以明确地将数据文件作为您想要的文件作为输入。
关于java - Mapfile 作为 MapReduce 作业的输入，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/4753470/