【问题标题】:Mapfile as a input to a MapReduce jobMapfile 作为 MapReduce 作业的输入
【发布时间】:2011-01-20 22:38:15
【问题描述】:

我最近开始使用 Hadoop,但在使用 Mapfile 作为 MapReduce 作业的输入时遇到了问题。

以下工作代码在 hdfs 中编写了一个名为“TestMap”的简单 MapFile,其中包含三个 Text 类型的键和三个 BytesWritable 类型的值。

这里是TestMap的内容:

$ hadoop fs  -text /user/hadoop/TestMap/data
11/01/20 11:17:58 INFO util.NativeCodeLoader: Loaded the native-hadoop library
11/01/20 11:17:58 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library
11/01/20 11:17:58 INFO compress.CodecPool: Got brand-new decompressor
A    01
B    02
C    03

这是创建 TestMap 映射文件的程序:

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.io.MapFile;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.BytesWritable;
import org.apache.hadoop.io.SequenceFile;
import org.apache.hadoop.io.IOUtils;

public class CreateMap {

    public static void main(String[] args) throws IOException{

        Configuration conf = new Configuration();
        FileSystem hdfs  = FileSystem.get(conf);

        Text key = new Text();
        BytesWritable value = new BytesWritable();
        byte[] data = {1, 2, 3};
        String[] strs = {"A", "B", "C"};
        int bytesRead;
        MapFile.Writer writer = null;

        writer = new MapFile.Writer(conf, hdfs, "TestMap", key.getClass(), value.getClass());
        try {
            for (int i = 0; i < 3; i++) {
                key.set(strs[i]);
                value.set(data, i, 1);
                writer.append(key, value);
                System.out.println(strs[i] + ":" + data[i] + " added.");
            }
        }
        catch (IOException e) {
            e.printStackTrace();
        }
        finally {
             IOUtils.closeStream(writer);
        }
    }
}

下面的简单 MapReduce 作业尝试将 mapfile 的值加一:

import java.io.IOException;
import java.util.Iterator;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.SequenceFileInputFormat;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.mapred.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
import org.apache.hadoop.io.BytesWritable;


public class AddOne extends Configured implements Tool {

    public static class MapClass extends MapReduceBase

        implements Mapper<Text, BytesWritable, Text, Text> {

        public void map(Text key, BytesWritable value,
                        OutputCollector<Text, Text> output,
                        Reporter reporter) throws IOException {


            byte[] data = value.getBytes();
            data[0] += 1;
            value.set(data, 0, 1);
            output.collect(key, new Text(value.toString()));
        }
    }

    public static class Reduce extends MapReduceBase
        implements Reducer<Text, Text, Text, Text> {

        public void reduce(Text key, Iterator<Text> values,
                           OutputCollector<Text, Text> output,
                           Reporter reporter) throws IOException {

            output.collect(key, values.next());
        }
    }

    public int run(String[] args) throws Exception {
        Configuration conf = getConf();

        JobConf job = new JobConf(conf, AddOne.class);

        Path in = new Path("TestMap");
        Path out = new Path("output");
        FileInputFormat.setInputPaths(job, in);
        FileOutputFormat.setOutputPath(job, out);

        job.setJobName("AddOne");
        job.setMapperClass(MapClass.class);
        job.setReducerClass(Reduce.class);

        job.setInputFormat(SequenceFileInputFormat.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(Text.class);

        job.setOutputFormat(TextOutputFormat.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        job.set("key.value.separator.in.input.line", ":");


        JobClient.runJob(job);

        return 0;
    }

    public static void main(String[] args) throws Exception {
        int res = ToolRunner.run(new Configuration(), new AddOne(), args);

        System.exit(res);
    }
}

我得到的运行时异常是:

java.lang.ClassCastException: org.apache.hadoop.io.LongWritable cannot be cast to org.apache.hadoop.io.BytesWritable
    at AddOne$MapClass.map(AddOne.java:32)
    at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:50)
    at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:358)
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:307)
    at org.apache.hadoop.mapred.Child.main(Child.java:170)

我不明白为什么 hadoop 会尝试转换 LongWritable,因为在我的代码中我正确定义了 Mapper 接口(@98​​7654325@)。

有人可以帮我吗?

非常感谢

卢卡

【问题讨论】:

    标签: java hadoop mapreduce


    【解决方案1】:

    您的问题来自这样一个事实,尽管名称告诉您,MapFile不是文件。

    MapFile 实际上是一个包含两个文件的目录:有一个“数据”文件,它是一个SequenceFile,包含您写入其中的键和值;但是,还有一个“索引”文件,它是一个不同的 SequenceFile,其中包含键的子序列及其作为 LongWritables 的偏移量;该索引由 MapFile.Reader 加载到内存中,让您在进行随机访问时快速二进制搜索找到数据文件中的偏移量,该偏移量将包含您想要的数据。

    您使用的是旧的"org.apache.hadoop.mapred" version of SequenceFileInputFormat。当您告诉它查看 MapFile 作为输入时,仅查看数据文件是不够聪明的;相反,它实际上尝试使用数据文件索引文件作为常规输入文件。数据文件会正常工作,因为类与您指定的一致,但索引文件会抛出 ClassCastException,因为索引文件值都是 LongWritables。

    您有两个选择:您可以开始使用"org.apache.hadoop.mapreduce" version of SequenceFileInputFormat(从而更改代码的其他部分),它对 MapFiles 的了解足以只查看数据文件;或者,您可以明确地将数据文件作为您想要的文件作为输入。

    【讨论】:

      【解决方案2】:

      其中一种方法是使用自定义 InputFormat 并为整个 MapFile 块使用一条记录,并通过 map() 中的键查找

      【讨论】:

        【解决方案3】:

        我使用 KeyValueTextInputFormat.class 解决了同样的问题

        中提到了整个方法

        http://sanketraut.blogspot.in/2012/06/hadoop-example-setting-up-hadoop-on.html

        【讨论】:

          猜你喜欢
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          • 2016-01-25
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          相关资源
          最近更新 更多