- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有包含 35 列(0-34 个位置)的数据集(input.csv)。如果我对此运行 MRv2 程序,则会收到“ArrayIndexOutOfBoundException”。
但是,如果我在包含相同列的数据集快照上运行该程序,那么它会成功运行。
错误
15/07/20 11:05:55 INFO mapreduce.Job: Task Id : attempt_1437379028043_0018_m_000000_2, Status : FAILED
Error: java.lang.ArrayIndexOutOfBoundsException: 34
at lotus.staging.StageMapper.map(StageMapper.java:88)
at lotus.staging.StageMapper.map(StageMapper.java:1)
at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145)
at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:784)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)
at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:163)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:415)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1628)
at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158)
舞台映射器
package lotus.staging;
import java.io.IOException;
import java.text.DateFormat;
import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Date;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class StageMapper extends Mapper<LongWritable, Text, Text, Text> {
@Override
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String[] record = value.toString().split(",");
// Key
String stg_table = null;
String report_code = record[0].trim();
String product_type_description = null;
String principal_amount = record[1];
String funded = record[2].trim();
String facility_id = record[3];
String loan_id = record[4];
// Start Date
String start_date = record[5];
// Maturity Date
String end_date = record[6];
DateFormat df = new SimpleDateFormat("MM/dd/yyyy");
Date startDate;
Date endDate;
long diff;
long diffDays = 0l;
try {
startDate = df.parse(start_date);
endDate = df.parse(end_date);
df.format(startDate);
df.format(endDate);
diff = endDate.getTime() - startDate.getTime();
diffDays = diff / (24 * 60 * 60 * 1000);
} catch (ParseException e) {
e.printStackTrace();
}
// Date Diff
String date_diff = String.valueOf(diffDays);
String next_reset_date = record[7];
String interest_rate = record[8];
String base_interest_rate = record[9];
String counterparty_industry_id = record[10];
String industry_name = record[11];
String counterparty_id = record[12];
String counterparty_name = record[13];
// Bank Number
String vehicle_code = record[14];
String vehicle_description = record[15];
// Branch Number
String cost_center_code = record[16];
String branch_borrower_name = record[17];
String igl_code = record[20];
// Participation Bal Begin Month
String participated_amt = record[21];
String sys_id = record[23];
// Loan To Value
String ltv = record[26];
String accrual_status = record[27];
String country_code = record[30];
String fiscal_year = record[31];
String accounting_period = record[32];
String accounting_day = record[33];
String control_category = record[34];
// CONTROL_CATEGORY_DESC, Secred_BY_Re
if (report_code.equalsIgnoreCase("1")) {
product_type_description = "Commercial_Loan";
stg_table = "stg_lon";
} else if (report_code.equalsIgnoreCase("2")) {
product_type_description = "Mortgage_Loan";
stg_table = "stg_mgt";
} else if (report_code.equalsIgnoreCase("3")) {
product_type_description = "Installment_Loan";
stg_table = "stg_lon";
} else if (report_code.equalsIgnoreCase("4")) {
product_type_description = "Revolving Credit";
stg_table = "stg_lon";
}
// Value
String data = report_code + "," + product_type_description + ","
+ principal_amount + "," + funded + "," + facility_id + ","
+ loan_id + "," + start_date + "," + end_date + "," + date_diff
+ "," + next_reset_date + "," + interest_rate + ","
+ base_interest_rate + "," + counterparty_industry_id + ","
+ industry_name + "," + counterparty_id + ","
+ counterparty_name + "," + vehicle_code + ","
+ vehicle_description + "," + cost_center_code + ","
+ branch_borrower_name + "," + igl_code + ","
+ participated_amt + "," + sys_id + "," + ltv + ","
+ accrual_status + "," + country_code + "," + fiscal_year + ","
+ accounting_period + "," + accounting_day + ","
+ control_category;
context.write(new Text(stg_table), new Text(data));
} // map() ends
} // Mapper ends
StageReducer
package lotus.staging;
import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;
public class StageReducer extends Reducer<Text, Text, Text, Text> {
private MultipleOutputs mos;
@Override
protected void setup(Context context) throws IOException,
InterruptedException {
mos = new MultipleOutputs(context);
}
@Override
public void reduce(Text key, Iterable<Text> values, Context context)
throws IOException, InterruptedException {
for (Text value : values) {
mos.write(key, value, key.toString());
}
}
@Override
protected void cleanup(Context context) throws IOException,
InterruptedException {
mos.close();
}
}
StageDriver
package lotus.staging;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.LazyOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
public class StageDriver {
// Main
public static void main(String[] args) throws IOException,
ClassNotFoundException, InterruptedException {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf, "StageDriver");
// conf.set("mapreduce.textoutputformat.separator", ",");
// conf.set("mapreduce.output.textoutputformat.separator", ",");
//conf.set("mapreduce.output.key.field.separator", ",");
job.setJarByClass(StageDriver.class);
LazyOutputFormat.setOutputFormatClass(job, TextOutputFormat.class);
// Mapper and Mapper-Output Key
job.setMapperClass(StageMapper.class);
job.setMapOutputKeyClass(Text.class);
conf.set("mapred.max.split.size", "1020");
// Reducer and Output Key and Value
job.setReducerClass(StageReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
// Input parameters to execute
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
// deleting the output path automatically from hdfs so that we don't
// have delete it explicitly
// outputPath.getFileSystem(conf).delete(outputPath);
// exiting the job only if the flag value becomes false
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
以下是数据集
Snapshot-Dataset Complete-Dataset
请帮忙
最佳答案
input.csv 中的某一行不完整或存在格式错误(转义不当)。尝试找出它是哪一行。您可以捕获发生此错误的异常并打印出行号并修复数据。
try {
CODE WHERE THE OUTOFBOUNDS HAPPENS
}
catch (Exception e) {
LOG.warn(String.format("Invalid data in row: %d", row));
System.out.println(String.format("Invalid data in row: %d", row));
}
所以在你的情况下这意味着:
@Override
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String[] record = value.toString().split(",");
// Key
String stg_table = null;
try{
String report_code = record[0].trim();
String product_type_description = null;
String principal_amount = record[1];
String funded = record[2].trim();
String facility_id = record[3];
String loan_id = record[4];
// Start Date
String start_date = record[5];
// Maturity Date
String end_date = record[6];
DateFormat df = new SimpleDateFormat("MM/dd/yyyy");
Date startDate;
Date endDate;
long diff;
long diffDays = 0l;
try {
startDate = df.parse(start_date);
endDate = df.parse(end_date);
df.format(startDate);
df.format(endDate);
diff = endDate.getTime() - startDate.getTime();
diffDays = diff / (24 * 60 * 60 * 1000);
} catch (ParseException e) {
e.printStackTrace();
}
// Date Diff
String date_diff = String.valueOf(diffDays);
String next_reset_date = record[7];
String interest_rate = record[8];
String base_interest_rate = record[9];
String counterparty_industry_id = record[10];
String industry_name = record[11];
String counterparty_id = record[12];
String counterparty_name = record[13];
// Bank Number
String vehicle_code = record[14];
String vehicle_description = record[15];
// Branch Number
String cost_center_code = record[16];
String branch_borrower_name = record[17];
String igl_code = record[20];
// Participation Bal Begin Month
String participated_amt = record[21];
String sys_id = record[23];
// Loan To Value
String ltv = record[26];
String accrual_status = record[27];
String country_code = record[30];
String fiscal_year = record[31];
String accounting_period = record[32];
String accounting_day = record[33];
String control_category = record[34];
}
catch (Exception e) {
if {record.size() > 0} {
// LOG.warn(String.format("Invalid data in row: %s", record[0].trim()));
System.out.println(String.format("Invalid data in record id: %s", record[0].trim()));}
else{
System.out.println("Empty Record Found");
}
return void;
}
...
我正在使用记录 ID,因为您没有行号,但您可以在行号中搜索该记录 ID。想必您的记录中至少有第一个条目。否则,您还可以检查记录是否为空。
关于java - MapReduce 作业无法在完整数据上运行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31520421/
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!