java - MapReduce - reducer 不组合键

Question

我有一个简单的 map reduce 作业，我正在其中构建反向索引。

我的映射器工作正常(我检查过)并输出 key 对 word 和 docID:TFIDF 值:

映射器(仅显示输出):

context.write(new IntWritable(wordIndex), new Text(index + ":" + tfidf));

reducer 唯一的工作就是合并这些值。这是我的实现:

public static class IndexerReducer extends Reducer<Text, IntWritable, IntWritable, Text>
    {
        public void reduce(IntWritable key, Iterable<Text> values, Context context) throws IOException, InterruptedException
        {

            StringBuilder sb = new StringBuilder();

            for (Text value : values)
            {
                sb.append(value.toString() + " ");
            }

            context.write(key, new Text(sb.toString()));
        }
    }

但是，它没有组合任何东西，输出看起来与映射器基本相同。尽管 reducer 应该将它们组合在一起，但输出中有些行具有相同的键 - 基本上输出文件中的所有键在使用 reducer 时都应该是唯一的，对吧？

这是我的 reducer 输出的示例(请注意，这是简化的示例):

1 15:2.1
1 13:4.3
2 9:9.3
2 43:7.9
etc

我期望这样:

1 15:2.1 13:4.3
2 9:9.3 43:7.9

为了完整起见，我包括了运行方法:

@Override
    public int run(String[] arguments) throws Exception {
        ArgumentParser parser = new ArgumentParser("TextPreprocessor");

        parser.addArgument("input", true, true, "specify input directory");
        parser.addArgument("output", true, true, "specify output directory");

        parser.parseAndCheck(arguments);

        Path inputPath = new Path(parser.getString("input"));
        Path outputDir = new Path(parser.getString("output"));

        // Create configuration.
        Configuration conf = getConf();

        // add distributed file with vocabulary
        DistributedCache
                .addCacheFile(new URI("/user/myslima3/vocab.txt"), conf);

        // Create job.
        Job job = new Job(conf, "WordCount");
        job.setJarByClass(IndexerMapper.class);

        // Setup MapReduce.
        job.setMapperClass(IndexerMapper.class);
        job.setReducerClass(IndexerReducer.class);

        // Sort the output words in reversed order.
        job.setSortComparatorClass(WordCountComparator.class);


        job.setNumReduceTasks(1);

        // Specify (key, value).
        job.setMapOutputKeyClass(IntWritable.class);
        job.setMapOutputValueClass(Text.class);
        job.setOutputKeyClass(IntWritable.class);
        job.setOutputValueClass(Text.class);

        // Input.
        FileInputFormat.addInputPath(job, inputPath);
        job.setInputFormatClass(TextInputFormat.class);

        // Output.
        FileOutputFormat.setOutputPath(job, outputDir);
        job.setOutputFormatClass(TextOutputFormat.class);

        FileSystem hdfs = FileSystem.get(conf);

        // Delete output directory (if exists).
        if (hdfs.exists(outputDir))
            hdfs.delete(outputDir, true);

        // Execute the job.
        return job.waitForCompletion(true) ? 0 : 1;
    }

如果有任何关于正在发生的事情的提示，我会很高兴。我是 map 减少的新手。感谢您提供任何调试提示!

Answer 1

始终使用 @Override 注释。

你定义了

public static class IndexerReducer extends Reducer<Text, IntWritable, IntWritable, Text>

那么你的 reduce 方法必须看起来像那样

@Override
public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException