我希望我的第一个reduce任务生成类似smth的(当然,
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import java.util.Map.Entry;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.Mapper.Context;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;
public class AvgGrading {
public static void main(String[] args) throws IllegalArgumentException, IOException, ClassNotFoundException, InterruptedException {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf, "avg grading");
job.setJarByClass(AvgGrading.class);
job.setMapperClass(MapForAverage.class);
job.setCombinerClass(ReduceForAverage.class);
job.setNumReduceTasks(2);
job.setReducerClass(ReduceForFinal.class);
job.setMapOutputKeyClass(LongWritable.class);
job.setMapOutputValueClass(Object.class);
job.setOutputKeyClass(LongWritable.class);
job.setOutputValueClass(FloatWritable.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
public static class MapForAverage extends Mapper<LongWritable, Text, LongWritable, Object> {
public void map(LongWritable key, Text value, Context con) throws IOException, InterruptedException {
String [] word = value.toString().split(", ");
float grade = Integer.parseInt(word[1]);
int course = Integer.parseInt(word[0]);
Map <Float,Long> m = new HashMap<Float,Long>();
m.put(grade, (long) 1);
con.write(new LongWritable(course), m);
}
}
public static class ReduceForAverage extends Reducer<LongWritable, Object, LongWritable, Object> {
private FloatWritable result = new FloatWritable();
public void reduce(LongWritable course, Map<Float,Long> values, Context con)
throws IOException, InterruptedException {
Map <Float,Long> m = new HashMap<Float,Long>();
float sum = 0;
long count =0;
for (Map.Entry<Float, Long> entry : values.entrySet()) {
sum += entry.getKey();
count++;
}
m.put(sum, count);
con.write(course, m);
}
}
public static class ReduceForFinal extends Reducer<LongWritable, Object, LongWritable, FloatWritable> {
private FloatWritable result = new FloatWritable();
public void reduce(LongWritable course, Map<Long,Float>values, Context con)
throws IOException, InterruptedException {
long key = 0;
float value=0;
for ( Map.Entry<Long, Float> entry : values.entrySet()) {
key = entry.getKey();
value = entry.getValue();
}
float res= key/value;
con.write(course, new FloatWritable(res));
}
}
}
请注意,我无法循环访问可迭代
错误代码是:
Unable to initialize MapOutputCollector org.apache.hadoop.mapred.MapTask$MapOutputBuffer
java.lang.NullPointerException
第二减速机故障
Map没有实现可写,你说你的组合器和减缩器输入值的类是Object,而你正在发出Map。你只需要为此创建一个自定义类。请记住,如果要在hadoop中发出某些东西,自定义类必须实现可写。你可以这样做:
public class Counter implements Writable {
private float sum;
private long count;
public Counter(float sum, long count){
this.sum = sum;
this.count = count;
}
/* Methods to get and set private variables of the class */
public float getSum() {
return sum;
}
public void setSum(float sumValue) {
sum=sumValue;
}
public long getCount() {
return count;
}
public void setCount(long countValue) {
count=countValue;
}
/* Methods to serialize and deserialize the contents of the
instances of this class */
@Override /* Serialize the fields of this object to out */
public void write(DataOutput out) throws IOException{
out.writeFloat(sum);
out.writeLong(count);
}
@Override /* Deserialize the fields of this object from in */
public void readFields(DataInputin) throws IOException{
sum=in.readFloat();
count=in.readLong();
}
}
因此,在您的第一个映射器中,您可以通过以下方式创建并发出计数器:
Counter counter = new Counter(grade, 1);
con.write(course, counter);
此时,在第一个reducer中,您将有一个表示课程的键和一个可迭代值,该值对于所有计数器都是可迭代的,使用该可迭代值可以计算平均值。记住更新mapper和reducers类参数,使其与新参数一致。
问题内容: 我是Hadoop的新手,正在尝试弄清楚它是如何工作的。至于练习,我应该实现类似于WordCount- Example的东西。任务是读入多个文件,执行WordCount并为每个输入文件编写一个输出文件。Hadoop使用组合器,将map- part的输出改编为reducer的输入,然后写入一个输出文件(我猜每个正在运行的实例)。我想知道是否可以为每个输入文件写入一个输出文件(因此保留inp
我有几个<code>(标题,文本) 现在我想在这些有序对的文本字段上实现单词计数。 所以我的最终输出应该是这样的: 总而言之,我想在第一个mapduce的输出记录上单独实现wordcount。有人能给我一个好方法吗?或者我如何链接第二个map duce作业来创建上述输出或更好地格式化它? 下面是代码,从github借用并做了一些更改 我们在线找到的字数代码对所有文件进行字数统计,并给出输出。我想分
问题内容: 在Hadoop MapReduce中,对于中间输出(由map()生成),我希望中间输出的值成为以下对象。 我该怎么做。我应该创建自己的可写类吗? 我是MapReduce的新手。 谢谢。 问题答案: 您可以编写自定义类型,将其作为映射器值发出。但是无论您要发出什么值,都必须实现可写接口。您可以执行以下操作: 另外,您可以使用Avro序列化框架。
又一个火花问题给你! 因此,我使用mllibs原生SVMWithSGD训练一个SVM模型。训练rdd被划分为114个分区,每个分区大约有2700个实例。 每个迭代工作分为两个阶段。第一阶段,与我的节点线性扩展。然而,第二阶段只分为10个左右的任务,比可用的V核少得多,所以这个阶段不是线性扩展的。 我想把这个阶段分成更多的任务,让更多的执行者可以并行地在上面工作。有办法着手做那件事吗? 此外,还有一
我的作业当前使用(如本文所述)以以下结构生成输出: 输出的基本路径是但是,另一个作业(job2)生成类似的数据,我希望这个作业(job1)的输出与另一个作业(job2)的输出合并。 我试图将生成的输出合并到一个公共输出目录中,该目录包含上述结构和两个作业的组合输出。是否有一种方法可以在作业本身中手动运行shell命令? 欣赏任何洞察力。
减速器正在计算所有相同的值: 然而,当我在hadoop上运行一个更大的数据集时,似乎丢失了一半的结果。当我在本地机器上使用cat input mapper.py sort reducer.py>out-local测试它时,如果输入合理地很小,它工作得很好,但是在更大的数据集上(例如1M个条目),本地输出文件的条目几乎是在Hadoop上运行mapreduce作业的两倍。代码有错误吗?还是我漏掉了什么