Вывести список из Hadoop Map Уменьшить задание, используя настраиваемый доступ к записи

Я пытаюсь создать упрощенную работу по сокращению карты, изменив пример wordcount, заданный hadoop.

Я пытаюсь поставить список вместо количества слов. Пример wordcount дает следующий вывод

hello 2
world 2

Я пытаюсь получить его для вывода в виде списка, который станет основой будущей работы

hello 1 1
world 1 1

Я думаю, что нахожусь на правильном пути, но мне трудно писать список. Вместо вышесказанного, я получаю

Hello   [email protected]
World   [email protected]

Здесь мой MyArrayWritable. Я поставил sys в write(DataOuptut arg0), но он никогда не выводит ничего, поэтому я думаю, что этот метод не может быть вызван, и я не знаю почему.

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);
    }
}
}

EDIT - добавление дополнительного исходного кода

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);
}

}

Ответ 1

У вас есть "ошибка" в вашем редукторе - итератор значения повторно использует тот же IntWritable в течение цикла, поэтому вы должны поместить значение, добавляемое в список, следующим образом:

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()])));
}

На самом деле это не проблема, так как вы используете список массивов, и ваш картограф выводит только одно значение (одно), но это может вас оттолкнуть, если вы когда-либо расширяете этот код.

Вам также необходимо определить в своей работе, что типы вывода карты и редуктора различны:

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

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

Возможно, вы захотите явно определить количество редукторов (возможно, вы никогда не видите, что ваши sysouts записываются в журналы задач, особенно если администратор кластера определил номер по умолчанию как 0):

job.setNumReduceTasks(1);

Используя формат текстового вывода по умолчанию, который вызывает toString() в парах выходных ключей и значений - MyArrayWritable не имеет переопределенного метода toString, поэтому вы должны поместить его в свой файл MyArrayWritable:

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

Наконец, удалить переопределенный метод write из MyArrayWritable - это не допустимая реализация, совместимая с бесплатным методом readFields. вам не нужно переопределять этот метод, но если вы это сделаете (скажите, что вы хотите увидеть sysout для проверки его вызова), тогда сделайте что-то вроде этого:

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