在Hadoop MapReduce中是否可以使用多个不同的映射器进行多个输入？

在Hadoop MapReduce中是否可以使用多个不同的映射器进行多个输入？每个映射器类处理一组不同的输入，但它们都会发出由同一个reducer使用的键值对。请注意，这里我不是说链接映射程序，而是说并行运行不同的映射程序，而不是按顺序运行。

这称为连接

您希望使用mapred.*包中的映射器和还原器（较旧，但仍受支持）。较新的包（mapreduce.*）只允许一个映射器输入。使用mapred软件包，可以使用MultipleInputs类定义联接：

MultipleInputs.addInputPath(jobConf, 
                     new Path(countsSource),       
                     SequenceFileInputFormat.class, 
                     CountMapper.class);
MultipleInputs.addInputPath(jobConf, 
                     new Path(dictionarySource), 
                     SomeOtherInputFormat.class, 
                     TranslateMapper.class);

jobConf.setJarByClass(ReportJob.class);
jobConf.setReducerClass(WriteTextReducer.class);

jobConf.setMapOutputKeyClass(Text.class);
jobConf.setMapOutputValueClass(WordInfo.class);

jobConf.setOutputKeyClass(Text.class);
jobConf.setOutputValueClass(Text.class);

---

我将用一个问题、两个答案和一个反建议来回答你的问题

问题是：与串联运行异构映射作业相比，并行运行异构映射作业有什么好处，可以输出可以适当混洗的同质结果？是不是要避免两次传递相同的记录，一次使用身份图

第一个答案是同时调度两个仅映射器作业，每个作业在一半的震源组上（或任何与输入数据大小最匹配的比率），输出同质结果，然后是执行联接的仅缩减器作业

第二个答案是创建一个自定义InputFormat，它能够识别和转换异构输入的两种风格。这是非常丑陋的，但它将允许您避免第一个建议中不必要的身份映射

---

反对的建议是不要使用Chris回答中不推荐使用的Hadoop API。Hadoop还很年轻，但API正在围绕“新”风格稳定下来。您最终将实现版本锁定。

较新的API（

mapreduce

而不是

mapred

）确实有

多个输入。

：@DonaldMiner有些版本有，但看起来至少0.20.x没有，例如，请注意此处缺少多个输入：运行多个映射器的原因是您可以实现FlumeJava论文中给出的展平操作。来自不同映射器的输出可以参与相同的洗牌操作。