hadoop - 使用分布式缓存读取文件

Question

我在分布式缓存中存储了很多文件，每个文件对应一个用户ID。我想将与特定用户ID(这将是化简器的键)相对应的特定文件附加到特定的化简任务。但是我无法这样做，因为我使用configure方法从分布式缓存中读取文件，该方法在reduce类中的reduce方法之前。因此，我无法在reduce类的configure方法中访问reduce方法的键，因此无法仅读取我想要的文件。请帮助我。

class reduce{

void configure(args)
{

/*I can a particular file from the Path[] here.
I want to select the  file corresponding to the key of the reduce method and pass its
contents to the reduce method. I am not able to do this as I can't access the key of 
the reduce method.*/

}

void reduce(args)
{
}


}

Answer 1

一种解决方案是在配置步骤中按照DistributedCache javadocs中的描述将DistributedCache中的Path数组分配给类变量。当然，将 map 代码替换为您的简化代码。

这是使用旧的API，看起来就像您的代码正在使用。

 public static class MapClass extends MapReduceBase  
 implements Mapper<K, V, K, V> {

   private Path[] localArchives;
   private Path[] localFiles;

   public void configure(JobConf job) {
     // Get the cached archives/files
     localArchives = DistributedCache.getLocalCacheArchives(job);
     localFiles = DistributedCache.getLocalCacheFiles(job);
   }

   public void map(K key, V value, 
                   OutputCollector<K, V> output, Reporter reporter) 
   throws IOException {
     // Use data from the cached archives/files here
     // ...
     // ...
     output.collect(k, v);
   }
 }