矩阵乘法的Hadoop输入SequenceFile

Question

我正在运行在此站点找到的 MapReduce Matrix Multiplication.java 程序 http://www.norstad.org/matrix-multiply/index.html .
(源码见文末)

当我执行它时，它说输入不是一个序列文件

我的输入文件最近是inputA.txt，它看起来像这样

A,0,1,1.0
A,0,2,2.0
A,0,3,3.0
A,0,4,4.0
A,1,0,5.0
A,1,1,6.0
A,1,2,7.0
A,1,3,8.0
A,1,4,9.0

格式为:MatrixName, row, col, element
当然，它没有用。

我真的很想运行这个源代码，因为它的算法。那么在这种情况下如何生成正确的 SequenceFile 呢？
我可以从已有的 .txt 文件生成它吗？

Answer 1

查看 TestMatrixMultiply 中包含的测试代码(在您提供的链接中)应该会给您一些有用的东西。

我已经提取了相关部分来帮助您入门。此(未经测试的)代码应创建两个序列文件(参见 testIdentity())。

您可以在 writeMatrix 方法中看到它如何创建 SequenceFile 和使用的结构，我假设这与实际的 mapreduce 作业使用的相同。

您可以扩展此代码以读取您的文本文件，正确填充二维矩阵数组，然后编写序列文件。

public class TestMatrixMultiply {

    private static final String DATA_DIR_PATH = "/tmp/MatrixMultiply";
    private static final String INPUT_PATH_A = DATA_DIR_PATH + "/A";
    private static final String INPUT_OATH_B = DATA_DIR_PATH + "/B";

    private static Configuration conf = new Configuration();
    private static FileSystem fs;

    public static void writeMatrix (int[][] matrix, 
              int rowDim, int colDim, String pathStr) throws IOException {

        Path path = new Path(pathStr);
        SequenceFile.Writer writer = SequenceFile.createWriter(fs, conf, path, 
        MatrixMultiply.IndexPair.class, IntWritable.class, 
        SequenceFile.CompressionType.NONE);
        MatrixMultiply.IndexPair indexPair = new MatrixMultiply.IndexPair();
        IntWritable el = new IntWritable();
        for (int i = 0; i < rowDim; i++) {
            for (int j = 0; j < colDim; j++) {
                int v = matrix[i][j];
                if (v != 0) {
                    indexPair.index1 = i;
                    indexPair.index2 = j;
                    el.set(v);
                    writer.append(indexPair, el);
                }
            }
        }
        writer.close();
    }

    public static void main (String[] args) throws Exception {

        new GenericOptionsParser(conf, args);
        fs = FileSystem.get(conf);
        fs.mkdirs(new Path(DATA_DIR_PATH));

        A = new int[][] { {1,0}, {0,1}};
        B = new int[][] { {1,0}, {0,1}};
        writeMatrix(A, 2, 2, INPUT_PATH_A);
        writeMatrix(B, 2, 2, INPUT_OATH_B);
    }
}

您应该注意，这种方法适用于少量数据。一旦您开始达到任何规模，您可能想要编写一个 mapreduce 作业，将您的文本文件作为输入并写出一个序列文件。