个人中心
文章发布
退出
作者热门文章
- 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
27
4
我想合并两个不同 MapReduce 作业的输出。我希望能够像下面那样做一些事情，但我不知道如何重用以前工作的结果并加入它们。我怎么能这样做？
Job1:
Andrea Vanzo, c288f70f-f417-4a96-8528-25c61372cae7, 125
Job2:
c288f70f-f417-4a96-8528-25c61372cae7, 071e1103-1b06-4671-8324-a9beb3e90d18, 25
Result:
Andrea Vanzo, c288f70f-f417-4a96-8528-25c61372cae7, 25
最佳答案
您可以使用 JobControl 在您的 mappereduce 中设置您的工作流程，顺便说一句，读取 job1 和 job2 的输出(使用 MultipleInputs)也可以解决您的问题。
根据数据的路径，采用不同的处理方式，写入数据。
映射器
job1data == job1.path => split write key data[1] ,value data[0]+"tagjob1"
job2data ==job2.path =>split write key data[0] ,value data[0]+"tagjob2"
reducer
每个键都有它的值集。
通过“标签”将值放入两个列表组中
写出键和两个列表的每个笛卡尔积。
希望
关于python - 重用两个 MapReduce 作业的输出并将结果连接在一起，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52941214/
27
4
0
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！