java - Hadoop MapReduce，如何减少自定义对象？

Question

我是 Hadoop 新手，我正在尝试使用 Reducer 类。
所以，基本上我在网上找到了一个教程，他们的reduce类看起来像这样，

public class mapReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
    IntWritable total = new IntWritable();
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,
            Reducer<Text, InWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException{
        for (IntWritable value: values){
             total += value.get();
        }
        context.write(key, count);
    }
} 

所以我想用 myCustomObj 更改总数.引用上面的例子，类似，

//..
myCustomObj total = new myCustomObj();
@Override
protected void reduce(Text key, Iterable<myCustomObj> values,
        Reducer<Text, InWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException{
    for (myCustomObj value: values){
         total.add(value);
    }
    context.write(key, total.getPrimaryAttribute());
}

目标:我想要的是列表 的 key -> total hadoop 之后的对象已经完成减少。我认为上面的代码只会输出key -> primaryAttribute .

建议:如果这太乏味了，我想以 XML 格式将所需的详细信息存储在磁盘上。但是，我不确定 map reducer 背后的理论，reducer 是在服务器还是客户端计算机(映射发生的地方)中执行？如果它发生在客户端计算机上，那么我将在所有客户端计算机上都有我的 XML 文件的一小部分。我只想将所有信息集中到一台服务器中。

我希望我把我的问题说清楚了。谢谢

编辑:我试图寻找在线资源。但是hadoops有很多定制。我不知道我应该看什么。

Answer 1

为了能够减少自定义对象，首先，您的映射器应该将此对象作为值返回。假设您的对象名称是:CustomObject映射器定义应如下所示:

public class MyMapper extends Mapper<LongWritable, Text, Text, CustomObject> {
    @Override
    protected void map(LongWritable key, Text value,
            Mapper<LongWritable, Text, Text, CustomObject>.Context context) throws IOException, InterruptedException {
        // do you stuff here
    }
}

现在 CustomObject 本身应该实现 WritableComparable与所有三个必需方法的接口(interface)(主要用于洗牌阶段的要求):

write - 定义对象存储到磁盘的方式

readFields - 如何从磁盘中读取存储的对象

compareTo - 定义对象的排序方式(您可以将此留空，因为在随机播放阶段仅使用键进行排序)

Reducer 签名应如下所示:

public class MyReducer extends Reducer<Text, CustomObject, Text, IntWritable>{
    @Override
    protected void reduce(Text key, Iterable<CustomObject> values,
            Reducer<Text, CustomObject, Text, IntWritable>.Context context) throws IOException, InterruptedException{
        // reducer code
    }
} 

最后，在配置作业时，您应该指定正确的输入/输出组合。

job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(CustomObject.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
job.setMapperClass(MyMapper.class);
job.setReducerClass(MyReducer.class);

这应该可以解决问题。