- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
在我的 MapReduce 程序的 Reduce 阶段,我正在执行的唯一操作是连接提供的 Iterator 中的每个值,如下所示:
public void reduce(Text key, Iterator<text> values,
OutputCollector<Text, Text> output, Reporter reporter) {
Text next;
Text outKey = new Text()
Text outVal = new Text();
StringBuilder sb = new StringBuilder();
while(values.hasNext()) {
next = values.next();
sb.append(next.toString());
if (values.hasNext())
sb.append(',');
}
outKey.set(key.toString());
outVal.set(sb.toSTring());
output.collect(outKey,outVal);
}
我的问题是一些reduce 输出值是巨大 行文本;如此之大以至于即使初始大小非常大,字符串缓冲区也必须将其大小增加(加倍)数倍以容纳迭代器的所有上下文,从而导致内存问题。
在传统的 Java 应用程序中,这表明缓冲写入文件是写入输出的首选方法。如何处理 Hadoop 中的超大输出键值对?我应该将结果直接流式传输到 HDFS 上的文件吗(每个 reduce 调用一个文件)?除了 output.collect 方法之外,还有其他方法可以缓冲输出吗?
注意:我已经最大限度地增加了我的内存/堆大小。此外,一些消息来源表明,增加 reducer 的数量有助于解决内存/堆问题,但这里的问题已直接追溯到 SringBuilder 在扩展其容量时的使用。
谢谢
最佳答案
并不是说我理解您为什么想要拥有巨大的值(value),但有一种方法可以做到这一点。
如果您编写自己的 OutputFormat,则可以修复 RecordWriter.write(Key, Value)
方法的行为,以根据 Key 值是否为空来处理值串联。
这样,在您的 reducer 中,您可以编写如下代码(键的第一个输出是实际键,之后的所有内容都是空键:
public void reduce(Text key, Iterator<Text> values,
OutputCollector<Text, Text> output, Reporter reporter) {
boolean firstKey = true;
for (Text value : values) {
output.collect(firstKey ? key : null, value);
firstKey = false;
}
}
实际的 RecordWriter.write()
然后具有以下逻辑来处理空键/值连接逻辑:
public synchronized void write(K key, V value) throws IOException {
boolean nullKey = key == null || key instanceof NullWritable;
boolean nullValue = value == null || value instanceof NullWritable;
if (nullKey && nullValue) {
return;
}
if (!nullKey) {
// if we've written data before, append a new line
if (dataWritten) {
out.write(newline);
}
// write out the key and separator
writeObject(key);
out.write(keyValueSeparator);
} else if (!nullValue) {
// write out the value delimiter
out.write(valueDelimiter);
}
// write out the value
writeObject(value);
// track that we've written some data
dataWritten = true;
}
public synchronized void close(Reporter reporter) throws IOException {
// if we've written out any data, append a closing newline
if (dataWritten) {
out.write(newline);
}
out.close();
}
你会注意到 close 方法也被修改为在最后写出的记录中写入一个尾随换行符
完整的代码 list 可以在 pastebin 上找到,这是测试输出:
key1 value1
key2 value1,value2,value3
key3 value1,value2
关于java - 处理 Hadoop 中 reduce 步骤的大输出值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10140171/
我不知道如何从 reducerRegister.js 中的 reducerForm.js reducer 访问 bool 值 isLoading 标志。我使用了 combineReducers() 并
我正在尝试找到一种理想的方法来更新我的状态树上的几个顶级字段,同时仍然维护拆分 reducer 。 这是我想出的一个简单的解决方案。 var state = { fileOrder: [0],
如果我们想按相同的键(第一个 reducer 的输出)分组,是否可以将 reducer 的输出直接发送到另一个 reducer 有时在链接时我发现我正在使用一个映射器来读取输入并将其复制到输出。因此想
我有一个如下所示的 reducer : const chart = combineReducers({ data, fetchProgress, fetchError,
当Map Reduce代码中有多个reduce时,它们之间没有任何形式的通信。但是,当执行诸如聚合之类的操作时,所有化简器共同产生单个最终输出。当它们之间没有通信时,聚合如何发生?是通过写入上下文吗?
我在 hive 中有一个表,我想从中获取所有数据。问题是: select * from tbl; 给我的结果与以下情况截然不同: select count(*) from tbl; 这是为什么?第二个
假设我有一个带有两个 reducer 的应用程序 - 使用 combineReducers() 组合的 tables 和 footer。 当我点击某个按钮时,将分派(dispatch)两个操作 - 一
我正在学习更深入的 redux,并且在处理高阶 reducer 时遇到一些麻烦。 我试图使用一个简单的分页示例来了解它是如何工作的。 NB:下面的代码只是 Nodejs 上下文中 redux 的一个快
我调用 RSS 提要并使用解析器对其进行解析。我收到一个数组。我现在想在最后创建一个对象,看起来像这样: { "2019-06-13": { "rates": { "usd":
我有一份学生列表,我的应用程序始终显示当时的一个学生,即 activePupil。到目前为止我有两个 reducer 。其中一个包含并默认返回所有子项的列表(以数组的形式): [ { id:
我有一个叫做 animals 的特征缩减器(切片缩减器)。我想将这些 reducer 拆分为哺乳动物、鸟类、鱼类等。这部分很简单,因为我可以简单地使用 ActionReducerMap。 现在假设哺乳
空数组上的简单reduce会抛出: 线程“main”java.lang.UnsupportedOperationException 中的异常:无法减少空的可迭代对象。 链接时同样的异常: val a
我有一些 25k 文档(原始 json 中为 4 GB)的数据,我想对其执行一些 javascript 操作,以使我的最终数据使用者 (R) 更容易访问这些数据,并且我想通过为每个更改添加一个新集合来
我只是想验证我对这些参数及其关系的理解,如果我错了请通知我。 mapreduce.reduce.shuffle.input.buffer.percent 告诉分配给 reducer 的整个洗牌阶段的内
我想将 redux 状态的值从 reducer 传递到另一个 reducer。在我的例子中,我想将 groups 的值从 groupReducer.js 中的状态传递到 scheduleReducer
所以,我有一个应用程序,它有多个 reducer ,因此有多个关联的 Action 创建者。 有一段时间,我的一个 reducer 更新了状态(由于编辑),因此,我必须确保其他 reducer 看到此
我有一个 reducer ,可以在调度操作时重新调整适当的状态。现在我定期调用 API,因此结果会一次又一次地触发操作。所以我想要的是,如果 reducer 状态已经有数据,那么另一个 reducer
当我尝试执行来自 here 的 DISTINCT reduce 时,出现错误。我已经在啤酒 sample 桶上重现了这个错误,所以这应该很容易重现。我没有在 mapreduce_errors.txt
在以下语法的简单优先级解析(分解)中,我们存在 shift-reduce 和 reduce-reduce 冲突。 X 是开始符号,X'-->$X$ 是添加规则。另外+和下符号是终结符。 X'-->$X
我需要编写一个连续调用两个reducer的Mapreduce程序。即,第一个 reducer 的输出将是第二个 reducer 的输入。我如何实现这一目标? 到目前为止我发现的内容表明我需要在我的驱动
我是一名优秀的程序员,十分优秀!