我有一个mapreduce作业,它输出一个intwritable作为键,点(我创建的实现可写的对象)作为map函数的值。然后在reduce函数中,我使用for each循环遍历点的iterable来创建一个列表:
@Override
public void reduce(IntWritable key, Iterable<Point> points, Context context) throws IOException, InterruptedException {
List<Point> pointList = new ArrayList<>();
for (Point point : points) {
pointList.add(point);
}
context.write(key, pointList);
}
问题是这个列表的大小是正确的,但是每个点都是完全相同的。我的point类中的字段不是静态的,我已经在循环中单独打印了每个点,以确保这些点是唯一的(它们是唯一的)。此外,我还创建了一个单独的类,它只创建几个点并将它们添加到列表中,这似乎是可行的,这意味着mapreduce做了一些我不知道的事情。
任何帮助解决这一点将不胜感激。
更新:Map器类的代码:
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
private IntWritable firstChar = new IntWritable();
private Point point = new Point();
@Override
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String line = value.toString();
StringTokenizer tokenizer = new StringTokenizer(line, " ");
while(tokenizer.hasMoreTokens()) {
String atts = tokenizer.nextToken();
String cut = atts.substring(1, atts.length() - 1);
String[] nums = cut.split(",");
point.set(Double.parseDouble(nums[0]), Double.parseDouble(nums[1]), Double.parseDouble(nums[2]), Double.parseDouble(nums[3]));
context.write(one, point);
}
}
点类:
public class Point implements Writable {
public Double att1;
public Double att2;
public Double att3;
public Double att4;
public Point() {
}
public void set(Double att1, Double att2, Double att3, Double att4) {
this.att1 = att1;
this.att2 = att2;
this.att3 = att3;
this.att4 = att4;
}
@Override
public void write(DataOutput dataOutput) throws IOException {
dataOutput.writeDouble(att1);
dataOutput.writeDouble(att2);
dataOutput.writeDouble(att3);
dataOutput.writeDouble(att4);
}
@Override
public void readFields(DataInput dataInput) throws IOException {
this.att1 = dataInput.readDouble();
this.att2 = dataInput.readDouble();
this.att3 = dataInput.readDouble();
this.att4 = dataInput.readDouble();
}
@Override
public String toString() {
String output = "{" + att1 + ", " + att2 + ", " + att3 + ", " + att4 + "}";
return output;
}
1条答案
按热度按时间sz81bmfz1#
问题出在你的减速机上。你不想把所有的点都存储在内存中。它们可能很大,hadoop为您解决了这个问题(即使是以一种尴尬的方式)。
当循环通过给定的
Iterable<Points>
,每个Point
示例被重用,所以它在给定的时间只保留一个示例。也就是说当你打电话的时候
points.next()
,这两件事将会发生:Point
示例被重用,并与下一个点数据一起设置同样适用于
Key
示例。在您的例子中,您将在列表中找到
Point
多次插入并使用上次Point
.您不应该保存
Writables
或者应该克隆它们。你可以在这里阅读更多关于这个问题的内容
https://cornercases.wordpress.com/2011/08/18/hadoop-object-reuse-pitfall-all-my-reducer-values-are-the-same/