即使我将 numReducetasks 设置为 2，Hadoop 也只会生成一个输出文件

Question

我在 ubuntu 上以伪分布式模式设置了 hadoop。我的理解是我可以在伪模式下使用多个 reducer 运行一项工作。但即使将 numReducetasks 设置为 2，我也只得到一个输出文件 partr0000。这是为什么？

注意:我的输入文件只有 12 条记录。这是一个二级排序的 MR 程序。

感谢您的帮助。

Answer 1

如果您看到默认分区程序 HashPartitioner 的 getPartition()，它看起来如下所示:

public int getPartition(K key, V value, int numReduceTasks) { 
    return (key.hashCode() & Integer.MAX_VALUE) % numReduceTasks; 
}

我认为所有记录都属于同一个分区只是偶然发生的。只需运行一个测试，看看您使用 12 条记录为上述函数获得了哪些值。

reducer 的数量和输出文件的数量不必总是相同，因为某些 reducer 可能没有输出记录(即使它收到了一些输入)。

运行此作业时，还要从浏览器中检查 hadoop UI，您应该会看到 reducer 的总数与您设置的数量一致。检查您的 conf/mapred-site.xml，您可以找到要查看 Hadoop UI 的 URL:

<property>
  <name>mapred.job.tracker</name>
  <value>localhost:54311</value>
  <description>The host and port that the MapReduce job tracker runs
  at.  If "local", then jobs are run in-process as a single map
  and reduce task.
  </description>
</property>            

因此，如果您点击 localhost:54311 ，您应该会看到正在运行的作业列表。