分区程序工作不正常

Question

我正在尝试编写一个MapReduce场景，在该场景中，我以JSON的形式创建了一些用户点击流数据。在那之后，我编写了Mapper类来从文件中获取所需的数据，我的Mapper代码是：-

private final static String URL = "u";
private final static String Country_Code = "c";
private final static String Known_User = "nk";
private final static String Session_Start_time = "hc";
private final static String User_Id = "user";
private final static String Event_Id = "event";
public void map(LongWritable key, Text value, Context context)
        throws IOException, InterruptedException {
    String aJSONRecord = value.toString();
    try {
        JSONObject aJSONObject = new JSONObject(aJSONRecord);
        StringBuilder aOutputString = new StringBuilder();
        aOutputString.append(aJSONObject.get(User_Id).toString()+",");
        aOutputString.append(aJSONObject.get(Event_Id).toString()+",");
        aOutputString.append(aJSONObject.get(URL).toString()+",");
        aOutputString.append(aJSONObject.get(Known_User)+",");
        aOutputString.append(aJSONObject.get(Session_Start_time)+",");
        aOutputString.append(aJSONObject.get(Country_Code)+",");
        context.write(new Text(aOutputString.toString()), key);
        System.out.println(aOutputString.toString());
    } catch (JSONException e) {
        e.printStackTrace();
    }
}

}

我的减速器代码是：-

public void reduce(Text key, Iterable<LongWritable> values,
        Context context) throws IOException, InterruptedException {
        String aString =  key.toString();
        context.write(new Text(aString.trim()), new Text(""));  
}

我的分区代码是：-

public int getPartition(Text key, LongWritable value, int numPartitions) {
    String aRecord = key.toString();
    if(aRecord.contains(Country_code_Us)){
        return 0;
    }else{
        return 1;
    }
}

这是我的驱动程序代码

public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "Click Stream Analyzer");
    job.setNumReduceTasks(2);
    job.setJarByClass(ClickStreamDriver.class);
    job.setMapperClass(ClickStreamMapper.class);
    job.setReducerClass(ClickStreamReducer.class);
    job.setPartitionerClass(ClickStreamPartitioner.class);
    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(LongWritable.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(Text.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
}

在这里，我试图根据国家代码来划分我的数据。但它不起作用，它在一个reducer文件中发送每一条记录，我认为这个文件不是为US reduce创建的文件。

还有一件事，当我看到映射器的输出时，它显示了在每个记录的末尾添加的一些额外空间。

如果我在这里犯了什么错误，请提出建议。

Answer 1

分区的问题是由于减少器的数量造成的。如果它是1，那么您的所有数据都将被发送到它，与您从partitioner返回的数据无关。因此，将mapred.reduce.tasks设置为2将解决此问题。或者你可以简单地写：

job.setNumReduceTasks(2);

以便根据需要配备2个减速器。

Answer 2

除非您有非常具体的要求，否则您可以为作业参数设置减速器，如下所示。

mapred.reduce.tasks (in 1.x) & mapreduce.job.reduces(2.x)

或

job.setNumReduceTasks(2)按照mark91答案。

但使用下面的API将工作留给Hadoop fraemork。框架将根据文件决定减速器的数量；块大小。

job.setPartitionerClass(HashPartitioner.class);

Answer 3

我使用过NullWritable，它很有效。现在我可以看到记录被分区到不同的文件中。由于我使用longwritible作为null值，而不是null writible，因此在每行的最后添加了空格，因此US被列为"US"，分区无法划分顺序。