- 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
我开发了一个 mapReduce 程序来计算并记录到一个请求文件中 30 分钟的请求数和这段时间内搜索最多的词。
我的输入文件是:
01_11_2012 12_02_10 132.227.045.028 life
02_11_2012 02_52_10 132.227.045.028 restaurent+kitchen
03_11_2012 12_32_10 132.227.045.028 guitar+music
04_11_2012 13_52_10 132.227.045.028 book+music
05_11_2012 12_22_10 132.227.045.028 animal+life
05_11_2012 12_22_10 132.227.045.028 history
DD_MM_YYYY | HH_MM_SS |知识产权 |搜索词
我的输出文件应该显示如下内容:
between 02h30 and 2h59 restaurent 1
between 13h30 and 13h59 book 1
between 12h00 and 12h29 life 3
between 12h30 and 12h59 guitar 1
第一行:restaurent 是 02h30 到 2h59 期间搜索次数最多的词,1 代表请求数。
我的问题是我对同一行执行了冗余的 map 。因此,我使用以下输入(我的文件中的 1 行)测试程序。
01_11_2012 12_02_10 132.227.045.028 生命
当我每行使用 eclipse line 进行调试时,在下面的 map 行上放置一个断点。
context.write(key, result);
我的程序在这一行上传递了两次,并为唯一的输入行写入了两次相同的信息。
我被困在这一点上,我不知道为什么我得到 2 个 map task ,因为我应该只有一个关于我的输入的拆分。
程序如下。(对不起我的英语)
package fitec.lab.booble;
import java.io.IOException;
import java.util.Comparator;
import java.util.HashMap;
import java.util.Map;
import java.util.TreeMap;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class BoobleByMinutes {
public static class TokenizerMapper extends Mapper<Object, Text, Text, Text> {
private final int TIME_INDEX = 1;
private final int WORDS_INDEX = 3;
@Override
public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
String[] attributesTab = value.toString().split(" ");
Text reduceKey = new Text();
Text words = new Text();
String time = attributesTab[TIME_INDEX];
String[] timeSplitted = time.split("_");
String heures = timeSplitted[0];
String minutes = timeSplitted[1];
if (29 < Integer.parseInt(minutes)) {
reduceKey.set("entre " + heures + "h30 et " + heures + "h59");
} else {
reduceKey.set("entre " + heures + "h00 et " + heures + "h29");
}
words.set(attributesTab[WORDS_INDEX]);
context.write(reduceKey, words);
}
}
public static class PriceSumReducer extends Reducer<Text, Text, Text, Text> {
public void reduce(Text key, Iterable<Text> groupedWords, Context context)
throws IOException, InterruptedException {
Text result = new Text();
int requestCount = 0;
Map<String, Integer> firstWordAndRequestCount = new HashMap<String, Integer>();
for (Text words : groupedWords) {
++requestCount;
String wordsString = words.toString().replace("+", "--");
System.out.println(wordsString.toString());
String[] wordTab = wordsString.split("--");
for (String word : wordTab) {
if (firstWordAndRequestCount.containsKey(word)) {
Integer integer = firstWordAndRequestCount.get(word) + 1;
firstWordAndRequestCount.put(word, integer);
} else {
firstWordAndRequestCount.put(word, new Integer(1));
}
}
}
ValueComparator valueComparator = new ValueComparator(firstWordAndRequestCount);
TreeMap<String, Integer> sortedProductsSale = new TreeMap<String, Integer>(valueComparator);
sortedProductsSale.putAll(firstWordAndRequestCount);
result.set(sortedProductsSale.firstKey() + "__" + requestCount);
context.write(key, result);
}
class ValueComparator implements Comparator<String> {
Map<String, Integer> base;
public ValueComparator(Map<String, Integer> base) {
this.base = base;
}
public int compare(String a, String b) {
if (base.get(a) >= base.get(b)) {
return -1;
} else {
return 1;
}
}
}
}
public static void main(String[] args) throws Exception {
Job job = new org.apache.hadoop.mapreduce.Job();
job.setJarByClass(BoobleByMinutes.class);
job.setJobName("Booble mot le plus recherché et somme de requete par tranche de 30 minutes");
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
job.setJarByClass(BoobleByMinutes.class);
job.setMapperClass(TokenizerMapper.class);
// job.setCombinerClass(PriceSumReducer.class);
job.setReducerClass(PriceSumReducer.class);
job.setNumReduceTasks(1);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(Text.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
@拉迪姆当我将装有 yarn 的 jar 启动到真正的 hadoop 中时,我得到的拆分数 = 2
我把日志放在下面
16/07/18 02:56:39 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
16/07/18 02:56:40 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032
16/07/18 02:56:42 WARN mapreduce.JobResourceUploader: Hadoop command-line option parsing not performed. Implement the Tool interface and execute your application with ToolRunner to remedy this.
16/07/18 02:56:42 INFO input.FileInputFormat: Total input paths to process : 2
16/07/18 02:56:43 INFO mapreduce.JobSubmitter: number of splits:2
16/07/18 02:56:43 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1468802929497_0002
16/07/18 02:56:44 INFO impl.YarnClientImpl: Submitted application application_1468802929497_0002
16/07/18 02:56:44 INFO mapreduce.Job: The url to track the job: http://moussa:8088/proxy/application_1468802929497_0002/
16/07/18 02:56:44 INFO mapreduce.Job: Running job: job_1468802929497_0002
16/07/18 02:56:56 INFO mapreduce.Job: Job job_1468802929497_0002 running in uber mode : false
16/07/18 02:56:56 INFO mapreduce.Job: map 0% reduce 0%
16/07/18 02:57:14 INFO mapreduce.Job: map 100% reduce 0%
16/07/18 02:57:23 INFO mapreduce.Job: map 100% reduce 100%
16/07/18 02:57:25 INFO mapreduce.Job: Job job_1468802929497_0002 completed successfully
16/07/18 02:57:25 INFO mapreduce.Job: Counters: 49
File System Counters
FILE: Number of bytes read=66
FILE: Number of bytes written=352628
FILE: Number of read operations=0
FILE: Number of large read operations=0
FILE: Number of write operations=0
HDFS: Number of bytes read=278
HDFS: Number of bytes written=31
HDFS: Number of read operations=9
HDFS: Number of large read operations=0
HDFS: Number of write operations=2
Job Counters
Launched map tasks=2
Launched reduce tasks=1
Data-local map tasks=2
Total time spent by all maps in occupied slots (ms)=29431
Total time spent by all reduces in occupied slots (ms)=6783
Total time spent by all map tasks (ms)=29431
Total time spent by all reduce tasks (ms)=6783
Total vcore-milliseconds taken by all map tasks=29431
Total vcore-milliseconds taken by all reduce tasks=6783
Total megabyte-milliseconds taken by all map tasks=30137344
Total megabyte-milliseconds taken by all reduce tasks=6945792
Map-Reduce Framework
Map input records=2
Map output records=2
Map output bytes=56
Map output materialized bytes=72
Input split bytes=194
Combine input records=0
Combine output records=0
Reduce input groups=1
Reduce shuffle bytes=72
Reduce input records=2
Reduce output records=1
Spilled Records=4
Shuffled Maps =2
Failed Shuffles=0
Merged Map outputs=2
GC time elapsed (ms)=460
CPU time spent (ms)=2240
Physical memory (bytes) snapshot=675127296
Virtual memory (bytes) snapshot=5682606080
Total committed heap usage (bytes)=529465344
Shuffle Errors
BAD_ID=0
CONNECTION=0
IO_ERROR=0
WRONG_LENGTH=0
WRONG_MAP=0
WRONG_REDUCE=0
File Input Format Counters
Bytes Read=84
File Output Format Counters
Bytes Written=31
最佳答案
在您的 main(job) 方法中,这些行是重复的:
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
还有:job.setJarByClass(BoobleByMinutes.class);
但是这一行应该导致重复输入:FileInputFormat.addInputPath(job, new Path(args[0]));
所以你的主要方法应该是:
public static void main(String[] args) throws Exception {
Job job = new org.apache.hadoop.mapreduce.Job();
job.setJarByClass(BoobleByMinutes.class);
job.setJobName("Booble mot le plus recherché et somme de requete par tranche de 30 minutes");
job.setMapperClass(TokenizerMapper.class);
// job.setCombinerClass(PriceSumReducer.class);
job.setReducerClass(PriceSumReducer.class);
job.setNumReduceTasks(1);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(Text.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
关于java - MapReduce:一行输入文件的两次拆分(执行map方法),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38422725/
我正在处理一个处理大量数据的项目,所以我最近发现了 MapReduce,在我进一步深入研究之前,我想确保我的期望是正确的。 与数据的交互将通过 Web 界面进行,因此响应时间在这里至关重要,我认为 1
我正在阅读有关 Hadoop 以及它的容错性的文章。我阅读了 HDFS 并阅读了如何处理主节点和从节点的故障。但是,我找不到任何提及 mapreduce 如何执行容错的文档。特别是,当包含 Job T
我正在尝试在我的 Ubuntu 桌面上使用最新的 Hadoop 版本 2.6.0、Java SDK 1.70 来模拟 Hadoop 环境。我用必要的环境参数配置了 hadoop,它的所有进程都已启动并
就目前情况而言,这个问题不太适合我们的问答形式。我们希望答案得到事实、引用资料或专业知识的支持,但这个问题可能会引发辩论、争论、民意调查或扩展讨论。如果您觉得这个问题可以改进并可能重新开放,visit
我只是想针对我们正在做的一些数据分析工作来评估 HBase。 HBase 将包含我们的事件数据。键为 eventId + 时间。我们想要对日期范围内的几种事件类型 (4-5) 进行分析。事件类型总数约
是否有一种快速算法可以在 MapReduce 框架上运行以从巨大的整数集中查找中位数? 最佳答案 我会这样做。这是顺序快速选择的一种并行版本。 (某些映射/归约工具可能不会让您轻松完成任务...) 从
我正在尝试对大型分布式数据集执行一些数值计算。该算法非常适合 MapReduce 模型,具有以下附加属性:与输入数据相比,映射步骤的输出尺寸较小。数据可以被视为只读,并且静态分布在节点上(故障转移时的
假设我在 RavenDb 中有给定的文档结构 public class Car { public string Manufacturer {get;set;} public int B
我刚刚开始使用 mongo 和 map/reduce,在使用 pymongo 时我遇到了以下错误,而在直接使用 mongo 命令行时我没有得到(我意识到有一个类似的问题这个,但我的似乎更基本)。 我直
*基本上我正在尝试按过去一小时内的得分对对象进行排序。 我正在尝试为我的数据库中的对象生成每小时投票总和。投票嵌入到每个对象中。对象架构如下所示: { _id: ObjectId sc
我们怎样才能使我们的 MapReduce 查询更快? 我们使用五节点 Riak 数据库集群构建了一个应用程序。 我们的数据模型由三个部分组成:比赛、联赛和球队。 比赛包含联赛和球队的链接: 型号 va
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 6 年前。
有没有什么方法可以在运行时获取应用程序 ID - 例如 - 带有 yarn 的 wordcount 示例命令? 我希望使用 yarn 从另一个进程启 Action 业命令,并通过 YARN REST
如何在Hadoop Map-reduce程序中使用机器学习算法?我想使用分类算法、决策树、聚类算法。除了 Mahout 之外,请提出一些想法。 最佳答案 您可以编写自己的MapReduce程序,并在m
虽然 MapReduce 可能不是实现图像处理中使用的算法的最佳方式,但出于好奇,如果我作为初学者尝试使用它们,这将是最简单的实现方式。 最佳答案 Hadoop 非常适合处理大量 IO。因此,例如,您
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
HBase 需要 mapreduce/yarn,还是只需要 hdfs? 对于 HBase 的基本用法,例如创建表、插入数据、扫描/获取数据,我看不出有任何理由使用 mapreduce/yarn。 请帮
我问了一些关于提高 Hive 查询性能的问题。一些答案与映射器和化简器的数量有关。我尝试了多个映射器和化简器,但在执行过程中没有发现任何差异。不知道为什么,可能是我没有以正确的方式去做,或者我错过了别
我是 mapreduce 和 hadoop 的新手。我阅读了 mapreduce 的示例和设计模式... 好的,我们可以进入正题了。我们正在开发一种软件,可以监控系统并定期捕获它们的 CPU 使用
我正在使用 Microsoft MapReduce SDK 启动仅 Mapper 作业。 调用 hadoop.MapReduceJob.ExecuteJob 立即抛出“响应状态代码不表示成功:404(
我是一名优秀的程序员,十分优秀!