mapper/reducer 实例如何在永久保持 Activity 状态的 jvm 中重新使用?
例如,假设我想做这样的事情:
public class MyMapper extends MapReduceBase implements Mapper<K1, V1, K2, V2> {
private Set<String> set = new HashSet<String>();
public void map(K1 k1, V1 v1, OutputCollector<K2, V2> output, Reporter reporter) {
... do stuff ...
set.add(k1.toString()); //add something to a list so that it can be used later
... do other stuff ...
if(set.contains("someString"))
emitSomeKindOfOutput(output);
else
emitSomeOtherKindOfOutput(output);
}
}
如果同一个映射器可用于多个任务/作业,那么成员集可能会导致问题,因为它仍然包含来自先前任务/作业的其他垃圾。在 hadoop 中可以进行这种重用吗? reducer 呢?
最佳答案
你绝对安全。 Mapper 和 reducer 实例不被重用。如果您需要执行一些初始化或清理,您可以覆盖 MapReduceBase 提供的两个方法 configure
和 close
。这不是您的代码示例所要求的。
如果 set
是一个静态变量,那么您必须在 close()
方法中清除
它是安全的,即使不是大多数站点配置都需要(基本上默认情况下每个 map 都会派生一个新的 JVM,您必须配置 reuse.jvm.num.tasks
以启用 JVM 重用)。两个映射任务永远不会在同一个 JVM 中同时运行。
关于java - Hadoop mapper/reducer 重用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15347095/