Hadoop-按前缀聚合

Question

我有带前缀的单词。例如：

city|new york
city|London
travel|yes
...
city|new york

我想数一下city|new york和city|London的数量（这是经典的字数）。但是，reducer输出应该是像city:{"new york" :2, "london":1}这样的键值对。这意味着对于每个city前缀，我希望聚合所有字符串及其计数。

public void reduce(Text key, Iterable<IntWritable> values,
               Context context
               ) throws IOException, InterruptedException {
  int sum = 0;
  for (IntWritable val : values) {
    sum += val.get();
  }
  result.set(sum);
  // Instead of just result count, I need something like {"city":{"new york" :2, "london":1}}
  context.write(key, result);
}

有什么想法吗？

Answer 1

您可以使用reducer的cleanup()方法来实现这一点（假设您只有一个reducer）。在reduce任务结束时调用一次。

我将为"城市"数据解释这一点。

以下是代码：

package com.hadooptests;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
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;
import java.io.IOException;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
public class Cities {
    public static class CityMapper
            extends Mapper<LongWritable, Text, Text, IntWritable> {
        private Text outKey = new Text();
        private IntWritable outValue = new IntWritable(1);
        public void map(LongWritable key, Text value, Context context
        ) throws IOException, InterruptedException {
              outKey.set(value);
              context.write(outKey, outValue);
        }
    }
    public static class CityReducer
            extends Reducer<Text,IntWritable,Text,Text> {
        HashMap<String, Integer> cityCount = new HashMap<String, Integer>();
        public void reduce(Text key, Iterable<IntWritable>values,
                           Context context
        ) throws IOException, InterruptedException {
            for (IntWritable val : values) {
                String keyStr = key.toString();
                if(keyStr.toLowerCase().startsWith("city|")) {
                    String[] tokens = keyStr.split("\|");
                    if(cityCount.containsKey(tokens[1])) {
                        int count = cityCount.get(tokens[1]);
                        cityCount.put(tokens[1], ++count);
                    }
                    else
                        cityCount.put(tokens[1], val.get());
                }
            }
        }
        @Override
        public void cleanup(org.apache.hadoop.mapreduce.Reducer.Context context)
                throws IOException,
                InterruptedException
        {
            String output = "{"city":{";
            Iterator iterator = cityCount.entrySet().iterator();
            while(iterator.hasNext())
            {
                Map.Entry entry = (Map.Entry) iterator.next();
                output = output.concat(""" + entry.getKey() + "":" + Integer.toString((Integer) entry.getValue()) + ", ");
            }
            output = output.substring(0, output.length() - 2);
            output = output.concat("}}");
            context.write(output, "");
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "KeyValue");
        job.setJarByClass(Cities.class);
        job.setMapperClass(CityMapper.class);
        job.setReducerClass(CityReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        FileInputFormat.addInputPath(job, new Path("/in/in.txt"));
        FileOutputFormat.setOutputPath(job, new Path("/out/"));
        System.exit(job.waitForCompletion(true) ? 0:1);
    }
}

映射器：

1. 它只输出遇到的每个键的计数。例如，如果它遇到记录"city|new york"，则它将输出（键，值）为

减速器：

1. 对于每条记录，它会检查密钥是否包含"city|"。它拆分管道上的关键点（"|"）。并将每个城市的计数存储在HashMap中
2. Reducer还覆盖cleanup方法。一旦reduce任务结束，就会调用此方法。在这个任务中，HashMap的内容被组合成所需的输出
3. 在cleanup()中，键作为HashMap的内容输出，值作为空字符串输出

例如，我将以下数据作为输入：

city|new york
city|London
city|new york
city|new york
city|Paris
city|Paris

我得到了以下输出：

{"city":{"London":1, "new york":3, "Paris":2}}

Answer 2

这很简单。

1. 使用"city"作为输出键，使用整个记录作为输出值，从映射器发出。

2. U将城市划分为减速器中的一组，并作为另一组旅行。

3. 使用和哈希图计算城市和旅行实例，以细化到较低级别。