HadoopMapReducer字串和數學運算作為輸出-錯誤

我正在構建 mapreducer 應用程式，它將帶有亂數的 .txt 作為輸入，我想接收這樣的輸出資訊：

最大數：xx 算術平均：xx 幾何平均：xx 中位數：xx

我的代碼：

import java.io.IOException;
import java.util.StringTokenizer;
import java.util.*;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class NumCount {

  public static class TokenizerMapper
       extends Mapper<Object, Text, Text, IntWritable>{

    private final static IntWritable one = new IntWritable(1);
    private Text number = new Text();
    

    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        number.set(itr.nextToken());
        context.write(number, one);
      }
    }
  }

  public static class IntSumReducer
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values,
                       Context context
                       ) throws IOException, InterruptedException {

      List<Integer> numList = new ArrayList<Integer>();

      for (IntWritable val : values) {
         numList.add(val.get());
      }
    
      // Max number from file
      int maxNumber = Collections.max(numList,null);

      // Arithmetic average
      float sum = 0;
      for (int i : numList)
        sum  = i;

      float arithmeticAverage = sum / numList.size();

      // Geometric average
      sum = 1;
      for (int i : numList)
        sum *= i;
      
      double geometricAverage = Math.pow(sum, (float)1/numList.size());

      // Median

      float median;
      
      if (numList.size() % 2 == 0)
         median = (float)(numList.get(numList.size()/2)   numList.get(numList.size()/2 - 1))/2;
      else
         median = numList.get(numList.size()/2);

      String summary = "Max number: "   maxNumber   "\nArithmetic avg: "   arithmeticAverage   "\nGeometric avg: "   geometricAverage   "\nMedian"   median;

      result.set(summary);
      context.write(key, result);
    }
  }

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "number count");
    job.setJarByClass(NumCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

我的代碼的問題是，我收到無法將字串放入 IntWritable 的錯誤（看起來很邏輯，但是如何將字串值決議為輸出？）

result.set(summary);

更重要的是，當我嘗試做這樣的事情時：

result.set(median);

我沒有收到中值，而是收到了錯誤的輸出，這是來自輸入檔案的數字串列，附近有“1”。

我對hadoop完全陌生，我不知道如何正確地做到這一點，有什么建議嗎？;X

uj5u.com熱心網友回復：

既然你有String summary，顯然答案是使用Text 而不是IntWritable......IntWritable如果你有多個值要回傳，則不要使用，其中多個不是整數。

此外，這個邏輯甚至不正確，因為所有相等的數字最終都在同一個減速器中，因此“maxNumber”永遠不會是整體最大值，因此您將擁有與唯一輸入值相同的減速器輸出值. 解決方案是NullWritable用作 reducer 鍵（和映射器鍵輸出），將所有數字強制放入一個 reducer，以便它們可以最大化/平均/求和等。您也不需要，numList因為Iterable<IntWritable>已經能夠迭代；你應該只需要一個回圈來完成所有的計算，除了中位數，你需要先對數字進行排序。

我個人的建議是使用 Spark 或 Hive 進行統計分析，而不是使用準系統 Mapreduce ...

標籤：

上一篇：在我的日食中，每個專案都顯示紅十字錯誤。如何解決？

下一篇：列中相同值的最小時間戳磁區