Hadoop 从mapper输出-Mapreduce中获取前N项
My Mapper任务返回以下输出:Hadoop 从mapper输出-Mapreduce中获取前N项,hadoop,mapreduce,bigdata,Hadoop,Mapreduce,Bigdata,My Mapper任务返回以下输出: 2 c 2 g 3 a 3 b 6 r 我已经编写了reducer代码和keycomparator,可以生成正确的输出,但如何获得映射器输出的前3名(按计数前N名): public static class WLReducer2 extends Reducer<IntWritable, Text, Text, IntWritable> { @Override protected void r
2 c
2 g
3 a
3 b
6 r
我已经编写了reducer代码和keycomparator,可以生成正确的输出,但如何获得映射器输出的前3名(按计数前N名):
public static class WLReducer2 extends
Reducer<IntWritable, Text, Text, IntWritable> {
@Override
protected void reduce(IntWritable key, Iterable<Text> values,
Context context) throws IOException, InterruptedException {
for (Text x : values) {
context.write(new Text(x), key);
}
};
}
public static class KeyComparator extends WritableComparator {
protected KeyComparator() {
super(IntWritable.class, true);
}
@Override
public int compare(WritableComparable w1, WritableComparable w2) {
// TODO Auto-generated method stub
// Logger.error("--------------------------> writing Keycompare data = ----------->");
IntWritable ip1 = (IntWritable) w1;
IntWritable ip2 = (IntWritable) w2;
int cmp = -1 * ip1.compareTo(ip2);
return cmp;
}
}
按计数,减速器的预期输出为前3位,即:
r 6
b 3
a 3
限制减速器的输出。像这样的
public static class WLReducer2 extends
Reducer<IntWritable, Text, Text, IntWritable> {
int count=0;
@Override
protected void reduce(IntWritable key, Iterable<Text> values,
Context context) throws IOException, InterruptedException {
for (Text x : values) {
if (count > 3)
context.write(new Text(x), key);
count++;
}
};
}
公共静态类WLReducer2扩展
减速器{
整数计数=0;
@凌驾
受保护的void reduce(可写密钥、可写值、,
上下文)抛出IOException、InterruptedException{
用于(文本x:值){
如果(计数>3)
编写(新文本(x),键);
计数++;
}
};
}
将减速器的数量设置为1<代码>作业。setNumReduceTasks(1)限制减速器的输出。像这样的
public static class WLReducer2 extends
Reducer<IntWritable, Text, Text, IntWritable> {
int count=0;
@Override
protected void reduce(IntWritable key, Iterable<Text> values,
Context context) throws IOException, InterruptedException {
for (Text x : values) {
if (count > 3)
context.write(new Text(x), key);
count++;
}
};
}
公共静态类WLReducer2扩展
减速器{
整数计数=0;
@凌驾
受保护的void reduce(可写密钥、可写值、,
上下文)抛出IOException、InterruptedException{
用于(文本x:值){
如果(计数>3)
编写(新文本(x),键);
计数++;
}
};
}
将减速器的数量设置为1<代码>作业。setNumReduceTasks(1)限制减速器的输出。像这样的
public static class WLReducer2 extends
Reducer<IntWritable, Text, Text, IntWritable> {
int count=0;
@Override
protected void reduce(IntWritable key, Iterable<Text> values,
Context context) throws IOException, InterruptedException {
for (Text x : values) {
if (count > 3)
context.write(new Text(x), key);
count++;
}
};
}
公共静态类WLReducer2扩展
减速器{
整数计数=0;
@凌驾
受保护的void reduce(可写密钥、可写值、,
上下文)抛出IOException、InterruptedException{
用于(文本x:值){
如果(计数>3)
编写(新文本(x),键);
计数++;
}
};
}
将减速器的数量设置为1<代码>作业。setNumReduceTasks(1)限制减速器的输出。像这样的
public static class WLReducer2 extends
Reducer<IntWritable, Text, Text, IntWritable> {
int count=0;
@Override
protected void reduce(IntWritable key, Iterable<Text> values,
Context context) throws IOException, InterruptedException {
for (Text x : values) {
if (count > 3)
context.write(new Text(x), key);
count++;
}
};
}
公共静态类WLReducer2扩展
减速器{
整数计数=0;
@凌驾
受保护的void reduce(可写密钥、可写值、,
上下文)抛出IOException、InterruptedException{
用于(文本x:值){
如果(计数>3)
编写(新文本(x),键);
计数++;
}
};
}
将减速器的数量设置为1
job.setNumReduceTasks(1)
如果您的前N个元素可以存储在内存中,那么您可以使用树映射来存储前N个元素,并且如果您的进程可以仅使用一个reducer进行聚合
map.firstKey()
。如果当前值大于树中的最低值,则将当前值插入树映射中,map.put(value,Item)
,然后从树中删除最低值map.remove(value)
注意:用于比较记录的值必须是树状图中的键。树映射的值应该是描述、标记、字母等;与数字相关如果您的前N个元素可以存储在内存中,您可以使用树形图来存储前N个元素,并且如果您的进程可以仅使用一个缩减器进行聚合
map.firstKey()
。如果当前值大于树中的最低值,则将当前值插入树映射中,map.put(value,Item)
,然后从树中删除最低值map.remove(value)
注意:用于比较记录的值必须是树状图中的键。树映射的值应该是描述、标记、字母等;与数字相关如果您的前N个元素可以存储在内存中,您可以使用树形图来存储前N个元素,并且如果您的进程可以仅使用一个缩减器进行聚合
map.firstKey()
。如果当前值大于树中的最低值,则将当前值插入树映射中,map.put(value,Item)
,然后从树中删除最低值map.remove(value)
注意:用于比较记录的值必须是树状图中的键。树映射的值应该是描述、标记、字母等;与数字相关如果您的前N个元素可以存储在内存中,您可以使用树形图来存储前N个元素,并且如果您的进程可以仅使用一个缩减器进行聚合