mapreduce去掉重复行
来源:互联网 发布:淘宝如何上传宝贝视频 编辑:程序博客网 时间:2024/05/22 00:47
思想
mapreduce可以分为map和reduce两个过程,我们知道最终结果是reduce输出的k,v中的k一定不是重复的,是排序合并之后的。我们就利用这一点在mapper阶段,不需要做任何事情,只要将输入value(一行内容)作为key输出到reduce即可。由于这里不做wordcount,所以可以写:context.write(value,NullWritable.get())。NullWritable是Writable的一个特殊类,实现方法为空实现,不从数据流中读数据,也不写入数据,只充当占位符,如在MapReduce中,如果你不需要使用键或值,你就可以将键或值声明为NullWritable,NullWritable是一个不可变的单实例类型。
特别说明:其实既然不用关心map的输出value,所以是什么类型都无所谓,下文用的是Text类型,只不过是空文本,不要带内容就行。
同样,reduce阶段不用关心value,只需要关心key即可,输出的value仍然是NullWritable。
代码
MyMapper代码:
package algorithm; import java.io.IOException; import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper; public class MyMapper extends Mapper<LongWritable, Text, Text, Text> { //输入文件是数字 不过可能也有字符等 所以用Text,不用LongWritable public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { context.write(value, new Text());//后面不能是null,否则,空指针 } }
MyReducer代码:
package algorithm; import java.io.IOException; import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer; public class MyReducer extends Reducer<Text, Text, Text, Text> { public void reduce(Text key, Iterable<Text> value, Context context) throws IOException, InterruptedException { // process values context.write(key, null); //可以出处null } }测试类:
package algorithm; 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.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class Test{ public static void main(String[] args) throws Exception{ // TODO Auto-generated method stub Configuration conf = new Configuration(); Job job = new Job(conf,"DuplicateRemove"); job.setJarByClass(QuchongMr.class); job.setMapperClass(MyMapper.class); job.setReducerClass(MyReducer.class); job.setOutputKeyClass(Text.class); //输出是null,不过不能随意写 否则包类型不匹配 job.setOutputValueClass(Text.class); job.setNumReduceTasks(1); //hdfs上写错了文件名 DupblicateRemove 多了个b //hdfs不支持修改操作 FileInputFormat.addInputPath(job, new Path("hdfs://192.168.58.180:8020/input/inputdata.txt")); FileOutputFormat.setOutputPath(job, new Path("hdfs://192.168.58.180:8020/output")); System.exit(job.waitForCompletion(true) ? 0 : 1); } }
阅读全文
0 0
- mapreduce去掉重复行
- 去掉DataTable重复行
- Sql去掉重复行
- SQL 去掉重复行
- DataTable去掉重复行
- 【Mapreduce】去除重复的行
- linux 命令 去掉重复行
- 如何去掉dataset中的重复行
- 在DetachedCriteria中去掉重复行
- combobox去掉重复行的方法
- ComboBox去掉重复行的方法
- [matlab] 如何去掉矩阵重复的行
- 去掉DataTable中重复的行
- Perl去掉数组中重复的行
- 如何去掉datatable的重复行
- c# 去掉DataTable中重复行
- Oracle根据某列去掉重复行
- AWK 输出重复的行 去掉重复的行
- eclipse 常用快捷键
- 函数基础(二)
- linux系统下安装与配置apache
- php运算符
- 实战爬虫-爬取红袖添香并存入数据库
- mapreduce去掉重复行
- Android第二天
- Android:SharedPreferences最简单的数据存储
- 【解决办法】Method 'initializationError' not found.Opening the test class
- 找出数组中第K个最大的数
- Unity20--动态的障碍物
- 集训8.26
- Halcon转C++运行程序出现“应用程序无法正常启动0xc000007b”解决
- css-float浮动