web-dev-qa-db-ja.com

カスタム書き込み可能を使用して、Hadoop MapReduceジョブからリストを出力します

Hadoopで指定されたワードカウントの例を変更して、単純なマップリデュースジョブを作成しようとしています。

単語数ではなくリストを出そうとしています。ワードカウントの例では、次の出力が得られます

_hello 2
world 2
_

私はそれをリストとして出力させようとしています。それは将来の仕事の基礎を形成します

_hello 1 1
world 1 1
_

私は正しい方向に進んでいると思いますが、リストを書くのに苦労しています。上記の代わりに、私は

_Hello   foo.MyArrayWritable@61250ff2
World   foo.MyArrayWritable@483a0ab1
_

これが私のMyArrayWritableです。 write(DataOuptut arg0)にsysを配置しましたが、何も出力されないため、メソッドが呼び出されない可能性があり、その理由がわかりません。

_class MyArrayWritable extends ArrayWritable{

public MyArrayWritable(Class<? extends Writable> valueClass, Writable[] values) {
    super(valueClass, values);
}
public MyArrayWritable(Class<? extends Writable> valueClass) {
    super(valueClass);
}

@Override
public IntWritable[] get() {
    return (IntWritable[]) super.get();
}

@Override
public void write(DataOutput arg0) throws IOException {
    for(IntWritable i : get()){
        i.write(arg0);
    }
}
}
_

編集-ソースコードを追加

_public class WordCount {

public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {
    private final static IntWritable one = new IntWritable(1);
    private Text Word = new Text();

    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        StringTokenizer tokenizer = new StringTokenizer(line);
        while (tokenizer.hasMoreTokens()) {
            Word.set(tokenizer.nextToken());
            context.write(Word, one);
        }
    }
} 

public static class Reduce extends Reducer<Text, IntWritable, Text, MyArrayWritable> {

    public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        ArrayList<IntWritable> list = new ArrayList<IntWritable>();    
        for (IntWritable val : values) {
            list.add(val);
        }
        context.write(key, new MyArrayWritable(IntWritable.class, list.toArray(new IntWritable[list.size()])));
    }
}

public static void main(String[] args) throws Exception {
    if(args == null || args.length == 0)
        args = new String[]{"./wordcount/input","./wordcount/output"};
    Path p = new Path(args[1]);
    FileSystem fs = FileSystem.get(new Configuration());
    fs.exists(p);
    fs.delete(p, true);

    Configuration conf = new Configuration();

    Job job = new Job(conf, "wordcount");
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    job.setMapperClass(Map.class);
    job.setReducerClass(Reduce.class);
    job.setJarByClass(WordCount.class);
    job.setInputFormatClass(TextInputFormat.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));

    job.waitForCompletion(true);
}
_

}

hadoopmapreduce
13
triggs

レデューサーに「バグ」があります。値イテレーターはループ全体で同じIntWritableを再利用するため、リストに追加される値を次のようにラップする必要があります。

public void reduce(Text key, Iterable<IntWritable> values, Context context)
                                      throws IOException, InterruptedException {
    ArrayList<IntWritable> list = new ArrayList<IntWritable>();    
    for (IntWritable val : values) {
        list.add(new IntWritable(val));
    }
    context.write(key, new MyArrayWritable(IntWritable.class, list.toArray(new IntWritable[list.size()])));
}

配列リストを使用していて、マッパーが出力する値は1つだけなので、これは実際には問題ではありませんが、このコードを拡張すると、つまずく可能性があります。

また、マップとレデューサーの出力タイプが異なることをジョブで定義する必要があります。

// map output types
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
// reducer output types

job.setOutputValueClass(Text.class);
job.setOutputValueClass(MyArrayWritable.class);

レデューサーの数を明示的に定義することをお勧めします（特に、クラスター管理者がデフォルトの数を0に定義している場合は、sysoutがタスクログに書き込まれるのが表示されないのはそのためです）。

job.setNumReduceTasks(1);

出力キーと値のペアでtoString（）を呼び出すデフォルトのテキスト出力形式を使用している-MyArrayWritableにはオーバーライドされたtoStringメソッドがないため、MyArrayWritableに配置する必要があります。

@Override
public String toString() {
  return Arrays.toString(get());
}

最後に、オーバーライドされたwriteメソッドをMyArrayWritableから削除します。これは、補完的なreadFieldsメソッドと互換性のある有効な実装ではありません。このメソッドをオーバーライドする必要はありませんが、オーバーライドする場合（sysoutを表示して、呼び出されていることを確認したい場合）、代わりに次のようにします。

@Override
public void write(DataOutput arg0) throws IOException {
  System.out.println("write method called");
  super.write(arg0);
}
22
Chris White