我正在研究pagerank算法的实现，该算法使用hadoop、mapreduce和rdf三元组作为源代码。
到目前为止，代码非常简单，主类只有一个作业，其次是mapper和reducer。输入文件是一个.nt文件，其中包含rdf三元组，例如：

<http://dbpedia.org/resource/Anarchism> <http://dbpedia.org/ontology/wikiPageWikiLink> <http://dbpedia.org/resource/Red_Army> .

mapper应该把这些三元组Map成主客体对。对于给定的rdf，它将是：

<http://dbpedia.org/resource/Anarchism> <http://dbpedia.org/resource/Red_Army>

reducer应该将这些对分组为包含主题、基本pagerank（1）和对象列表的行。例如：

<http://dbpedia.org/resource/Anarchism> 1.0 <http://dbpedia.org/resource/Red_Army>,<http://dbpedia.org/resource/Joseph_Conrad>

我在windows上使用hadoop2.3.0。显然，它的配置是正确的，因为像wordcount这样的例子对它有效(编辑）在linux下的Hadoop2.6.0上也尝试过，没有更好的效果，结果是一样的。
我用以下命令执行jar：

hadoop jar 'C:\hwork\PageRankHadoop.jar' PageRankHadoop /in /output --all

对于大约1500行长的输入文件，执行大约需要1分钟，但它会生成空输出（包括\u success sic！）。很显然，Map器工作不正常，因为在日志中我可以看到

Map-Reduce Framework
         Map input records=0
         Map output records=0
         Map output bytes=0

我今天花了8个小时处理这段代码，但没有得到一个输出。因此，我请求你的帮助，程序员们。
我将在代码下面粘贴更多作业执行日志，可能会有所帮助。我还注意到，在执行作业的过程中，每次作业运行Map器时，hadoop namenode都会抛出

15/04/27 21:15:59 INFO ipc.Server: Socket Reader #1 for port 9000: readAndProcess from client 127.0.0.1 threw exception [java.io.IOException: An existing connection was forcibly closed by the remote host] 
 at sun.nio.ch.SocketDispatcher.read0(Native Method)
 at sun.nio.ch.SocketDispatcher.read(Unknown Source)
 at sun.nio.ch.IOUtil.readIntoNativeBuffer(Unknown Source)
 at sun.nio.ch.IOUtil.read(Unknown Source)
 at sun.nio.ch.SocketChannelImpl.read(Unknown Source)
 at org.apache.hadoop.ipc.Server.channelRead(Server.java:2502)
 at org.apache.hadoop.ipc.Server.access$2800(Server.java:124)
 at org.apache.hadoop.ipc.Server$Connection.readAndProcess(Server.java:1410)
 at org.apache.hadoop.ipc.Server$Listener.doRead(Server.java:708)
 at org.apache.hadoop.ipc.Server$Listener$Reader.doRunLoop(Server.java:582)
 at org.apache.hadoop.ipc.Server$Listener$Reader.run(Server.java:553)

根据一些文章，我发现它不会毁了我的Map，但它确实看起来可疑，我不知道为什么会发生。
主要类别：

public class PageRankHadoop {

public static void main(String[] args) {
    try {
        Configuration conf = new Configuration();

        Job job = new Job(conf, "Page Rank RDF Hadoop");
        job.setJarByClass(PageRankHadoop.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        job.setMapperClass(NTriplesMapper.class);
        job.setReducerClass(NTriplesReducer.class);
        job.setInputFormatClass(NTriplesInputFormat.class);

        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        job.waitForCompletion(true);
    } catch (IOException | IllegalStateException | IllegalArgumentException | InterruptedException | ClassNotFoundException e) {
        System.err.println("Error! " + e.getMessage());
        e.printStackTrace(System.err);
    }

}

}

Mapper:

   public class NTriplesMapper extends Mapper<LongWritable, TripleWritable, LongWritable, Text> {

    @Override
    protected void map(LongWritable key, TripleWritable value, Context context) {
        try {
            context.write(key, new Text(value.get().getObject().getURI()));
        } catch (IOException | InterruptedException ex) {
            System.err.println("Mapper error: " + ex.getMessage());
            ex.printStackTrace(System.err);
        }
    }
}
Reducer:

   public class NTriplesReducer extends Reducer<LongWritable, Text, Text, Text> {

    @Override
    protected void reduce(LongWritable key, Iterable<Text> values, Context context) {
        String pageRankList = "1.0";
        for (Text value : values) {
            pageRankList += "," + value.toString();
        }
        try {
            context.write(new Text(key.toString()), new Text(pageRankList));
        } catch (IOException | InterruptedException ex) {
            System.err.println("Reducer error: " + ex.getMessage());
            ex.printStackTrace(System.err);
        }
    }
}

shell作业执行日志：http://pastebin.com/uf0zh20h 来自hadoop\logs\userlogs的系统日志：http://pastebin.com/gncwdsr7
编辑，添加日志到代码中，没有抛出异常。还尝试在linux下的hadoop2.6.0上运行此代码，结果与windows下的hadoop2.3.0相同