java - mapreduce 计数示例

Question

我的问题是关于 mapreduce programming in java .

假设我有 WordCount.java 示例，一个标准的 mapreduce program .我希望 map 函数收集一些信息，并返回到 reduce 函数 maps 形成如下:<slaveNode_id,some_info_collected> ,

所以I can know what slave node collected what data .. 知道怎么做吗？

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);
    }
}

谢谢!!

Answer 1

你要问的是让应用程序(你的 map-reduce 东西)知道它运行的基础设施。

一般来说，答案是您的应用程序不需要此信息。对 Mapper 的每次调用和对 Reducer 的每次调用都可以在不同的节点上执行，也可以全部在同一节点上执行。 MapReduce 的美妙之处在于结果是相同的，因此对于您的应用程序:这无关紧要。

因此，API 不具备支持您的此请求的功能。

祝您学习 Hadoop 愉快 :)

---

附言我能想到的唯一方法(至少可以说是令人讨厌的)是您在 Mapper 中包含某种系统调用，并向底层操作系统询问它的名称/属性/等。这种构造会使您的应用程序非常不可移植；也就是说，它不会在 Windows 或 Amazon 的 Hadoop 上运行。