hadoop - MapReduce - 对于每个学生，学生发布最多帖子的时间是什么时候

Question

我在 Hadoop 上转储了 SO 记录。我想知道什么是回答以下问题的好方法

样本记录

<row Id="4" PostTypeId="1" AcceptedAnswerId="7" CreationDate="2008-07-31T21:42:52.667" Score="251" ViewCount="15207" Body="&lt;p&gt;I want to use a track-bar to change a form's opacity.&lt;/p&gt;&#xA;&#xA;&lt;p&gt;This is my code:&lt;/p&gt;&#xA;&#xA;&lt;pre&gt;&lt;code&gt;decimal trans = trackBar1.Value / 5000;&#xA;this.Opacity = trans;&#xA;&lt;/code&gt;&lt;/pre&gt;&#xA;&#xA;&lt;p&gt;When I try to build it, I get this error:&lt;/p&gt;&#xA;&#xA;&lt;blockquote&gt;&#xA;  &lt;p&gt;Cannot implicitly convert type 'decimal' to 'double'.&lt;/p&gt;&#xA;&lt;/blockquote&gt;&#xA;&#xA;&lt;p&gt;I tried making &lt;strong&gt;trans&lt;/strong&gt; to &lt;strong&gt;double&lt;/strong&gt;, but then the control doesn't work. This code has worked fine for me in VB.NET in the past. &lt;/p&gt;&#xA;" OwnerUserId="8" LastEditorUserId="2648239" LastEditorDisplayName="Rich B" LastEditDate="2014-01-03T02:42:54.963" LastActivityDate="2014-01-03T02:42:54.963" Title="When setting a form's opacity should I use a decimal or double?" Tags="&lt;c#&gt;&lt;winforms&gt;&lt;forms&gt;&lt;type-conversion&gt;&lt;opacity&gt;" AnswerCount="13" CommentCount="25" FavoriteCount="23" CommunityOwnedDate="2012-10-31T16:42:47.213" />

我的第一次剪辑

Key = userid_hour

所以现在我可以知道每个用户按小时发帖的数量。然后我需要对这些数据进行后处理以选择每个用户的最大数量，然后查看最活跃的时间。

问题

我们还有哪些其他选择可以简化这个？

Answer 1

我想你已经尽可能简单了。

第一项工作为您提供每个用户每小时的帖子数

• 输入:记录
• 中级:k=用户+小时； v=1
• 输出:k=用户+小时； v=计数

第二个作业发现每个用户最活跃的时间。正如@pangea 指出的那样，这涉及降序二级排序。通常，每个 reducer 调用都会传递单个唯一键值的值。您可以使用分组比较器为单个 reducer 调用组合多个键值的值。在这里，分组比较器可以“指示 hadoop”将给定用户的所有复合键值组合在一起，以便将每个用户的所有每小时计数传递到对 reducer 的单个调用中。

• 输入:k=用户+小时； v=计数
• 中级:k=用户+计数； v=小时+计数
• 输出:k=用户； v=最活跃时间

第三个作业为您提供在特定时间(当然是按小时)达到最大输出的用户数。正如@pangea 指出的那样，这涉及到二次排序。

• 输入:k=用户； v=最活跃时间
• 中级:k=小时； v=1
• 输出:k=小时； v=number-users-most-active-this-hour

您可以强制对作业 3 使用单个 reducer，这将使您在 reducer 实例中保持状态并在 cleanup() 方法中排序/报告该数据——而不是添加第四个作业——但就是这样无法扩展的技术。在这种情况下，它起作用了，因为您最多有 24 个值要排序。