迪斯科连锁跳跃减少

Question

我最近发现了Disco Project，与Hadoop相比，我非常喜欢它，但我遇到了一个问题。我的项目是这样设置的（如果有帮助的话，我很乐意剪切/粘贴真实的代码）：

myfile.py

from disco.core import Job, result_iterator
import collections, sys
from disco.worker.classic.func import chain_reader
from disco.worker.classic.worker import Params
def helper1():
   #do stuff
def helper2():
   #do stuff
.
.
.
def helperN():
   #do stuff
class A(Job):
   @staticmethod
   def map_reader(fd, params):
      #Read input file
      yield line
   def map(self, line, params):
      #Process lines into dictionary
      #Iterate dictionary
          yield k, v
   def reduce(self, iter, out, params):
      #iterate iter
      #Process k, v into dictionary, aggregating values
      #Process dictionry
      #Iterate dictionary
         out.add(k,v)
Class B(Job):
   map_reader = staticmethod(chain_reader)
   map = staticmethod(nop_map)
   reduce(self, iter, out, params):
      #Process iter
      #iterate results
         out.add(k,v)

if __name__ == '__main__':
   from myfile import A, B
   job1 = A().run(input=[input_filename], params=Params(k=k))
   job2 = B().run(input=[job1.wait()], params=Params(k=k))
   with open(output_filename, 'w') as fp:
        for count, line in result_iterator(job2.wait(show=True)):
            fp.write(str(count) + ',' + line + 'n')

我的问题是，作业流完全跳过了A的reduce，然后下降到了B的reduce。

你知道这里发生了什么吗？

Answer 1

这是一个简单但微妙的问题：我没有

show = True

对于job1。出于某种原因，在为job2设置show的情况下，它向我显示了job1中的map（）和map-shuffle（）步骤，所以由于我没有得到预期的最终结果，并且对其中一个job2函数的输入看起来是错误的，我得出了job1步骤没有正确运行的结论（在添加job2之前，我验证了job1输出的准确性，这一点得到了进一步的支持）。