我使用的是 Hadoop 2.6.4 版。我正在编写一个 MapReduce 作业,它将采用 3 个参数,即 -Keyword,输入文件和输出文件的路径。 我理想的输出应该是所有包含关键字的文件的名称。 简单的逻辑是遍历文本中的每一行并将其与我们的关键字匹配。如果它返回 true 打印文件名。
经过广泛的谷歌搜索后,我找到了 3 个获取文件名的选项
Context.getConfiguration().get("map.input.file")
Context.getConfiguration().get("mapreduce.map.input.file")
这两种方法都返回了一个值为“null”的字符串,即它们在我的终端屏幕上打印了“null”。
最后我从 site.google.com 尝试了这个
public Path filesplit; filesplit=((FileSplit)context.getInputSplit()).getPath(); System.out.println(filesplit.getName())
上述方法产生了错误。终端输出看起来像这样:-
java.lang.Exception: java.lang.ClassCastException: org.apache.hadoop.mapreduce.lib.input.FileSplit cannot be cast to org.apache.hadoop.mapred.FileSplit
at org.apache.hadoop.mapred.LocalJobRunner$Job.runTasks(LocalJobRunner.java:462)
at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:522)
Caused by: java.lang.ClassCastException: org.apache.hadoop.mapreduce.lib.input.FileSplit cannot be cast to org.apache.hadoop.mapred.FileSplit
at org.myorg.DistributedGrep$GrepMapper.map(DistributedGrep.java:23)
at org.myorg.DistributedGrep$GrepMapper.map(DistributedGrep.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.LocalJobRunner$Job$MapTaskRunnable.run(LocalJobRunner.java:243)
at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:471)
at java.util.concurrent.FutureTask.run(FutureTask.java:262)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615)
at java.lang.Thread.run(Thread.java:745)
有人可以建议解决这些错误的方法吗?可能出了什么问题,我有什么错误吗?
或者您有任何其他想法来获取映射器正在执行的当前行的文件名。
如果你想全面了解这里的代码,它是
package org.myorg;
import java.io.*;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.apache.hadoop.io.*;
import org.apache.hadoop.mapred.FileSplit;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
public class DistributedGrep {
public static class GrepMapper extends
Mapper<Object, Text, NullWritable, Text> {
public Path filesplit;
public void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
filesplit = ((FileSplit)context.getInputSplit()).getPath();
String txt = value.toString();
String mapRegex = context.getConfiguration().get("mapregex");
// System.out.println(context.getConfiguration().get("mapreduce.map.input.file");
System.out.println(filesplit.getName());
if (txt.matches(mapRegex)) {
System.out.println("Matched a line");
context.write(NullWritable.get(), value);
}
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
conf.set("mapregex", args[0]);
Job job = new Job(conf, "Distributed Grep");
job.setJarByClass(DistributedGrep.class);
job.setMapperClass(GrepMapper.class);
job.setOutputKeyClass(NullWritable.class);
job.setOutputValueClass(Text.class);
job.setNumReduceTasks(0); // Set number of reducers to zero
FileInputFormat.addInputPath(job, new Path(args[1]));
FileOutputFormat.setOutputPath(job, new Path(args[2]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
最佳答案
选项 1 和 2
Context.getConfiguration().get("map.input.file")
Context.getConfiguration().get("mapreduce.map.input.file")
我相信这两个都返回 null
因为它们应该与旧的 mapred
API 及其 JobConf
配置对象一起使用。您的 #3
选项是为 mapreduce
API 执行此操作的方式。
使用 mapred
API,您可以执行以下操作:
public void configure(JobConf job) {
inputFile = job.get(JobContext.MAP_INPUT_FILE);
}
此处显示:https://hadoop.apache.org/docs/r2.7.2/api/org/apache/hadoop/mapred/Mapper.html
JobContext.MAP_INPUT_FILE
常量值以前是 map.input.file
并更改为 mapreduce.map.input.file
一些点。
https://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-common/DeprecatedProperties.html
选项 3
您正在混合使用 MapReduce API。有两个 mapred
和 mapreduce
API。
您可以在收到的错误中看到这一点:
Caused by: java.lang.ClassCastException: org.apache.hadoop.mapreduce.lib.input.FileSplit 无法转换为 org.apache.hadoop.mapred.FileSplit
您已导入:
导入 org.apache.hadoop.mapred.FileSplit
它来自 mapred
API,但您使用的是 mapreduce
API。将导入更改为:
导入 org.apache.hadoop.mapreduce.lib.input.FileSplit;
您的代码中的一个线索(除了导入之外)已经发生了这种情况,即您需要添加强制转换以使代码编译:
filesplit = ((FileSplit)context.getInputSplit()).getPath();
这应该是:
filesplit = context.getInputSplit().getPath();
关于java - 在 Mapper 中检索当前行的文件名,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37805250/