java - Hadoop:OutputCollector 在MapReduce 中是如何工作的？

Question

我想知道 OutputCollector 的“实例”输出是否用于映射函数:output.collect(键，值)这个 -output- 将键值对存储在某处？即使它发送到 reducer 函数，它们也一定是一个中间文件，对吧？那些文件是什么？它们是否可见并由程序员决定？我们在main函数中指定的OutputKeyClass、OutputValueClasses就是这些存放的地方吗？ [Text.class 和 IntWritable.class]

我给出了MapReduce中Word Count示例的标准代码，我们可以在网上找到很多地方。

public class WordCount {

public static class Map extends MapReduceBase implements 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, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
String line = value.toString();
StringTokenizer tokenizer = new StringTokenizer(line);
while (tokenizer.hasMoreTokens()) {
word.set(tokenizer.nextToken());
output.collect(word, one);
}
}
}

public static class Reduce extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> {
public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
int sum = 0;
while (values.hasNext()) {
sum += values.next().get();
}
output.collect(key, new IntWritable(sum));
}
}

public static void main(String[] args) throws Exception {
JobConf conf = new JobConf(WordCount.class);
conf.setJobName("wordcount");

conf.setOutputKeyClass(Text.class);
conf.setOutputValueClass(IntWritable.class);

conf.setMapperClass(Map.class);
conf.setCombinerClass(Reduce.class);
conf.setReducerClass(Reduce.class);

conf.setInputFormat(TextInputFormat.class);
conf.setOutputFormat(TextOutputFormat.class);

FileInputFormat.setInputPaths(conf, new Path(args[0]));
FileOutputFormat.setOutputPath(conf, new Path(args[1]));    
JobClient.runJob(conf);
}
}

Answer 1

Map 函数的输出存储在临时中间文件中。这些文件由 Hadoop 透明处理，因此在正常情况下，程序员无权访问这些文件。如果您对每个映射器内部发生的事情感到好奇，您可以查看相应作业的日志，您可以在其中找到每个映射任务的日志文件。

如果您想控制临时文件的生成位置并访问它们，您必须创建自己的 OutputCollector 类，我不知道这有多容易。

如果想看源码，可以用svn获取。我认为它可以在这里找到:http://hadoop.apache.org/common/version_control.html .