我有一个 Map Reduce 程序,在 Reducer 类中,我的方法在第一次迭代中没有被调用。我想要实现的是在迭代器的每 2 个连续值之间生成一些新行。 (对像:(1,2),(2,3),(3,4)......)。我错过了什么?而且我还测试了我有我需要的对,看起来不错,但似乎第一对没有调用我的方法.. generate() - 将在每 2 个连续行之间生成新行(填补时间间隔)
输入:
X、Y、00:00:00、908
X、Y、00:00:05、122
X、Y、00:00:07、123
期望的输出:
X、Y、00:00:00、908
X、Y、00:00:01、908
X、Y、00:00:02、908
X、Y、00:00:03、908
X、Y、00:00:04、908
X、Y、00:00:05、122
X、Y、00:00:06、122
X、Y、00:00:07、123
Iterator<MyType> iterator = values.iterator();
if (!iterator.hasNext()) return;
first = iterator.next();
while (iterator.hasNext()) {
nr++;
first.setStatus(nr);
context.write(nullWritable, first);
second = iterator.next();
List<MyType> newValues = generate(first, second, context);
for (MyType mt : newValues) {
mt.setStatus(nr);
context.write(nullWritable, mt);
}
second.setStatus(nr);
context.write(nullWritable, second);
first = new InterpolationModelWritable();
first.setX(second.getX());
first.setY(second.getY());
first.setZ(second.getZ());
first.setTag(second.getTag());
}
实际结果:
X、Y、00:00:00、908
X、Y、00:00:05、122
X、Y、00:00:06、122
X、Y、00:00:07、123
最佳答案
您的代码存在的问题是您落入了 hadoop 对象重用陷阱。需要记住的重要一点是,reduce 中的值迭代器不会在您每次调用 next()
时返回新对象,它会重复使用同一个对象。
现在我们知道我们可以查看您的代码并找出问题所在。使用您的逻辑(但作为一个最小的工作示例)我们可以看到通常它会起作用。
@Test
public void noResuseIteratorTest() {
List<String> values = new ArrayList<>();
values.add("a");
values.add("b");
values.add("c");
values.add("d");
String first;
String second;
Iterator<String> iterator = values.iterator();
if (!iterator.hasNext()) return;
first = iterator.next();
while (iterator.hasNext()) {
second = iterator.next();
System.out.println("Out: " + first + " - " + second);
first = second;
}
}
Out: a - b
Out: b - c
Out: c - d
但是,在 hadoop reduce 方法中,返回值是同一个对象。这个测试演示了这个问题:
@Test
public void reuseIteratorTest() {
class MyList implements Iterable<Text> {
private List<String> myList = new ArrayList<>();
private Text reused = new Text();
public MyList() {
myList.add("a");
myList.add("b");
myList.add("c");
myList.add("d");
}
@Override
public Iterator<Text> iterator() {
return new Iterator<Text> () {
private final Iterator<String> iter = myList.iterator();
@Override
public boolean hasNext() {
return iter.hasNext();
}
@Override
public Text next() {
// We reuse the Text object here!
reused.set(iter.next());
return reused;
}
@Override
public void remove() {
throw new UnsupportedOperationException("");
}
};
}
}
MyList myList = new MyList();
Text first;
Text second;
Iterator<Text> iterator = myList.iterator();
if (!iterator.hasNext()) return;
first = iterator.next();
while (iterator.hasNext()) {
second = iterator.next();
System.out.println("Out: " + first + " - " + second);
first = new Text();
first.set(second);
}
}
Out: b - b
Out: b - c
Out: c - d
因此,简单地执行 second = iterator.next();
是不够的。在您的第一次迭代中,first
和 second
都指向同一个对象。
要解决此问题,您需要将迭代器值的内容复制到您的对象中,而不仅仅是指向同一个对象。以 Text 对象为例,固定版本如下所示:
@Test
public void reuseFixedIteratorTest() {
// MyList class from above goes here
MyList myList = new MyList();
Text first = new Text();
Text second = new Text();
Iterator<Text> iterator = myList.iterator();
if (!iterator.hasNext()) return;
first.set(iterator.next());
while (iterator.hasNext()) {
second.set(iterator.next());
System.out.println("Out: " + first + " - " + second);
first.set(second);
}
}
Out: a - b
Out: b - c
Out: c - d
关于java - Hadoop Iterator 在第一次迭代时跳过方法调用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44530815/