分区程序无法正常工作

Question

我正在尝试编写一个 MapReduce 场景的代码，在该场景中我以 JSON 的形式创建了一些用户点击流数据。之后，我编写了 Mapper class 从文件中获取所需的数据，我的 mapper 代码是：-

private final static String URL = "u";

private final static String Country_Code = "c";

private final static String Known_User = "nk";

private final static String Session_Start_time = "hc";

private final static String User_Id = "user";

private final static String Event_Id = "event";

public void map(LongWritable key, Text value, Context context)
        throws IOException, InterruptedException {
    String aJSONRecord = value.toString();
    try {
        JSONObject aJSONObject = new JSONObject(aJSONRecord);
        StringBuilder aOutputString = new StringBuilder();
        aOutputString.append(aJSONObject.get(User_Id).toString()+",");
        aOutputString.append(aJSONObject.get(Event_Id).toString()+",");
        aOutputString.append(aJSONObject.get(URL).toString()+",");
        aOutputString.append(aJSONObject.get(Known_User)+",");
        aOutputString.append(aJSONObject.get(Session_Start_time)+",");
        aOutputString.append(aJSONObject.get(Country_Code)+",");
        context.write(new Text(aOutputString.toString()), key);
        System.out.println(aOutputString.toString());
    } catch (JSONException e) {
        e.printStackTrace();
    }
}

}

我的 reducer 代码是：-

public void reduce(Text key, Iterable<LongWritable> values,
        Context context) throws IOException, InterruptedException {
        String aString =  key.toString();
        context.write(new Text(aString.trim()), new Text(""));  

}

我的分区程序代码是：-

public int getPartition(Text key, LongWritable value, int numPartitions) {
    String aRecord = key.toString();
    if(aRecord.contains(Country_code_Us)){
        return 0;
    }else{
        return 1;
    }
}

这是我的驱动代码

public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "Click Stream Analyzer");
    job.setNumReduceTasks(2);
    job.setJarByClass(ClickStreamDriver.class);
    job.setMapperClass(ClickStreamMapper.class);
    job.setReducerClass(ClickStreamReducer.class);
    job.setPartitionerClass(ClickStreamPartitioner.class);
    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(LongWritable.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(Text.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);

}

这里我试图根据国家代码对我的数据进行分区。但它不起作用，它正在发送单个 reducer 文件中的每条记录，我认为文件不是为 US reduce 创建的文件。

还有一件事，当我看到映射器的输出时，它显示在每条记录的末尾添加了一些额外的 space。

如果我在这里有任何错误，请提出建议。

Answer 1

您的分区问题是由于减速器的数量。如果它是 1，您的所有数据都将发送给它，独立于您 return 从您的分区程序。因此，将 mapred.reduce.tasks 设置为 2 将解决此问题。或者你可以简单地写：

job.setNumReduceTasks(2);

为了有2个你想要的reducer。

Answer 2

除非您有非常特殊的要求，否则您可以为作业参数设置减速器。

mapred.reduce.tasks (in 1.x) & mapreduce.job.reduces(2.x)

或

job.setNumReduceTasks(2) 根据 mark91 的回答。

但使用以下 API 将工作留给 Hadoop fraemork。框架将根据文件和块大小决定 reducer 的数量。

job.setPartitionerClass(HashPartitioner.class);

Answer 3

我已经使用了 NullWritable 并且它有效。现在我可以看到记录被分区到不同的文件中。由于我使用 longwritable 作为 null 值而不是 null writable ，因此在每行的最后添加 space 并且由于这个 US 被列为 "US " 并且分区无法划分订单。

分区程序无法正常工作

Partitioner is not working correctly

hadoop

mapreduce

partitioner