mrjob将同一个键发送到不同的reducer

ruoxqz4g  于 2021-06-02  发布在  Hadoop
关注(0)|答案(1)|浏览(270)

所以我在一个3机器集群上安装了hadoop2.7.1。我正在尝试使用mrjob和hadoop流来运行反向索引mapreduce作业。
以下是我的配置:

MRJob.SORT_VALUES = True 

def steps(self):
    JOBCONF_STEP1 = {
        "mapred.map.tasks":20,
        "mapred.reduce.tasks":10
    }
    return [MRStep(jobconf=JOBCONF_STEP1,
                mapper=self.mapper,
                reducer=self.reducer)
            ]

然而,我注意到在我的输出中,我经常得到同一个键到两个不同的减速器。这将产生如下输出:

Key | Output
Z   | 2
X   | 1,2
X   | 3
Z   | 1

这意味着一个减速机将获得x键和值1和2,而另一个减速机也将获得x键和值3。但是我只需要一个减速机来获取x键和所有相关的值。
所以期望的输出是:

Key | Output
X   | 1,2,3
Z   | 1,2

如何解决此问题?
这是我的工作代码

%%writefile invertedIndex.py

import json
import mrjob
from mrjob.job import MRJob
from mrjob.step import MRStep
class MRinvertedIndex(MRJob):

  MRJob.SORT_VALUES = True 

  def steps(self):
      JOBCONF_STEP1 = {
          "mapred.map.tasks":20,
          "mapred.reduce.tasks":10
      }
      return [MRStep(jobconf=JOBCONF_STEP1,
                  mapper=self.mapper,
                  reducer=self.reducer)
              ]

  def mapper(self,_,line):
      key, stripe = line.split("\t")
      stripe = json.loads(stripe)
      for w in stripe:
          yield w, key

  def reducer(self,key,values):
      d = [v for v in values]
      yield key,d

  if __name__ == '__main__':
      MRinvertedIndex.run() enter code here
kq0g1dla

kq0g1dla1#

我想出来了。问题是mrjob默认设置如下:

'stream.num.map.output.key.fields': '2'

我通过在jobconf中显式设置解决了这个问题:

'stream.num.map.output.key.fields': '1'

我不知道2怎么会是这个设置的默认值,但至少我解决了我的问题

相关问题