- 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
我必须对大型数据集执行 sql“分组依据”类型的(不完全是)操作。我能想到的一个简单的类似示例如下所示,其中所需的输出可能是1)将数据分组(国家、城市、性别、母语)2)将数据分组(国家、城市、性别、年龄组)3)将数据分组到(country,city,age_group)
country city gender age_group mother_tongue no_of_times_surveyed
----------------------------------------------------------------
USA new_york female middle english 5
USA seattle male middle english 2
USA new_york female middle english 3
USA new_york male middle french 3
UK london male senior german 3
UK london male junior german 3
UK london male senior german 3
使用通用的 map-reduce 作业,我可以指定将用于分组的字段,但在这种情况下,我必须以这种方式运行该作业 3 次。三种情况都有重复计算。(按国家、城市分组很常见)
如果我想输出按(国家,城市)分组的记录,那么(国家,城市)将是 mapreduce 作业的关键,输出应该像
USA new_york female middle english 8
USA seattle male middle english 2
USA new_york male middle french 3
UK london male senior german 6
UK london male junior german 3
此输出可以根据性别/年龄组/母语进一步分组。在此 mapreduce 输出中,reducer 键 (USA,new_york) 和 (UK,london) 有多个记录
在 reduce 方法中多次调用 context.write() 是否可以?尽管要做到这一点,我需要在内存中存储其他字段的组合,这可用于进一步分组(上面示例中的性别、年龄组和 mother_tounge)。
是否可以使用 multipleOutputs 和我不知道的东西?或者有没有办法在 mapreduce 中实现这一点?
最佳答案
简短的回答是肯定的。 MapReduce 最好命名为 FlatMapReduce(在函数式编程术语中)。每次调用 context.write() 都会生成一条新记录。
话虽如此,对于此类高度结构化数据(甚至是半结构化数据,有时甚至是非结构化数据),最好的选择是使用 Hive 之类的东西。 Hive 团队已经实现了所有的关系代数运算符。此外,他们还实现了数十项 SQL 计划优化(如您描述的优化)。
关于hadoop - 为 mapreduce 中的键生成多个输出记录,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28950510/
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!