我试图写一个程序,需要一个巨大的数据集,然后运行一些查询使用 mapreduce
. 我有这样的代码:
public static class MRMapper
extends Mapper<LongWritable, Text, Text, IntWritable>{
String output2="hdfs://master:9000/user/xxxx/indexln.txt";
FileSystem Phdfs =FileSystem.get(new Configuration());
Path fname1=new Path(output2);
BufferedWriter out=new BufferedWriter(new OutputStreamWriter(Phdfs.create(fname1,true)));
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
long max=0;
public void map(LongWritable key, Text value, Context context
) throws IOException, InterruptedException {
String binln = Long.toBinaryString(0x8000000000000000L | key).substring(1);
out2.write(binln+"\n");
out2.flush();
String line = value.toString();
String [] ST = line.split(",");
long val=Math.abs(Long.parseLong(ST[2]));
if (max < val){
max= val;
}
else{
word.set(line);
context.write(word, val);
}
}
}
我想做的是建立一个 indexfile
在Map绘制器中。Map程序将使用它来访问输入文件的特定区域。Map程序根据索引读取输入文件的一部分,然后将读取的部分和读取的行数打印到输出中。我使用一个Map器与9减少。
我的问题是,是否可以创建/写入与map函数中的输出文件不同的文件,以及reducer是否可以读取在mapper中打开的文件?如果是的话,我是在正确的道路上,还是完全错了,或者 mapreduce
这不是办法吗?我很抱歉,如果这个问题听起来太愚蠢,但我实际上是一个傻瓜 hadoop
. 努力学习。谢谢
1条答案
按热度按时间yk9xbfzb1#
你确定你使用的是单个Map器吗?因为hadoop创建的Map器数量非常接近输入拆分的数量(更多细节)。
输入分割的概念也非常重要:它意味着非常大的数据文件被分割成几个chunck,每个chunck分配给一个Map器。因此,除非您完全确定只使用了一个Map器,否则您将无法控制正在处理的文件的哪一部分,也无法控制任何类型的全局索引。
话说回来,在mapreduce中使用一个mapper和根本不使用mapreduce是一样的:)也许错误是我的,我假设你只有一个文件要分析,是这样吗?
如果您有几个大数据文件,场景会发生变化,为每个文件创建一个Map器可能是有意义的,但是您必须创建自己的Map器
InputSplit
并覆盖isSplitable
总是返回的方法false
.