Hadoop 为什么tupleWritable在传递给Recurder时变为空

我有一个映射（对象键、文本值、上下文），将一个tupleWritable放在Context.write（）上下文中。在reduce（文本键、Iterable值、上下文）中，我读取了tupleWritable，但它是空的。 下面是我的代码。这让我很困惑，任何帮助都将不胜感激

package boc.competition.team1;

import java.io.IOException;
import java.util.HashMap;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.join.TupleWritable;
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.MultipleInputs;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;;

public class App 
{
    public static class SCSTransMap extends Mapper<Object,Text,Text,TupleWritable>{
        private Text name = new Text();

        @Override
        public void map(Object key,Text value,Context context) throws IOException,InterruptedException{
                IntWritable i = new IntWritable(1);
                TupleWritable result = new TupleWritable(new IntWritable[] { i, new IntWritable(3)});
                System.out.println(result.get(0)+"====="+result.get(1));
//------here print the right value  1=====3
                context.write(name, result);
            }
        }
    }
    public static class reducer extends Reducer<Text,TupleWritable,Text,Text>{
        @Override
        public void reduce(Text key,Iterable<TupleWritable> values,Context context) throws IOException,InterruptedException{

            for(TupleWritable tuple:values) {
                System.out.println(tuple.get(0)+"====="+tuple.get(1));
// and here print 0=======0
            }

        }
    }

    public static void main( String[] args ) throws Exception
    {
        Configuration conf = new Configuration();

        Job job = Job.getInstance(conf,"team1Job");
        job.setJarByClass(App.class);
        job.setReducerClass(reducer.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(TupleWritable.class);

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

        MultipleInputs.addInputPath(job, new Path("C:\\Program Files\\PuTTY\\data\\scs\\Scs_Journal.csv"), TextInputFormat.class,SCSTransMap.class);
        FileOutputFormat.setOutputPath(job, new Path(OUT_PATH));

        System.exit(job.waitForCompletion(true)?0:1);
    }
}

包boc.competition.team1；
导入java.io.IOException；
导入java.util.HashMap；
导入org.apache.hadoop.io.IntWritable；
导入org.apache.hadoop.io.LongWritable；
导入org.apache.hadoop.io.Text；
导入org.apache.hadoop.io.writeable；
导入org.apache.hadoop.mapreduce.lib.input.TextInputFormat；
导入org.apache.hadoop.mapreduce.lib.join.TupleWritable；
导入org.apache.hadoop.mapreduce.Job；
导入org.apache.hadoop.mapreduce.Mapper；
导入org.apache.hadoop.mapreduce.Reducer；
导入org.apache.hadoop.mapreduce.lib.input.MultipleInputs；
导入org.apache.hadoop.mapreduce.lib.output.FileOutputFormat；
导入org.apache.hadoop.conf.Configuration；
导入org.apache.hadoop.fs.FileSystem；
导入org.apache.hadoop.fs.Path；；
公共类应用程序
{
公共静态类SCSTransMap扩展映射器{
私有文本名称=新文本（）；
@凌驾
公共void映射（对象键、文本值、上下文上下文）引发IOException、InterruptedException{
IntWritable i=新的IntWritable（1）；
TupleWritable结果=新的TupleWritable（新的IntWritable[]{i，新的IntWritable（3）}）；
System.out.println（result.get（0）+“==”+result.get（1））；
//------这里打印正确的值1=3
context.write（名称、结果）；
}
}
}
公共静态类reducer扩展了reducer{
@凌驾
公共void reduce（文本键、Iterable值、上下文上下文）引发IOException、InterruptedException{
for（TupleWritable元组：值）{
System.out.println（tuple.get（0）+“==”+tuple.get（1））；
//这里打印0=0
}
}
}
公共静态void main（字符串[]args）引发异常
{
Configuration conf=新配置（）；
Job Job=Job.getInstance（conf，“team1Job”）；
job.setJarByClass（App.class）；
job.setReducerClass（reducer.class）；
job.setMapOutputKeyClass（Text.class）；
setMapOutputValueClass（TupleWritable.class）；
job.setOutputKeyClass（Text.class）；
job.setOutputValueClass（Text.class）；
MultipleInputs.addInputPath（作业，新路径（“C:\\Program Files\\PuTTY\\data\\scs\\scs\U Journal.csv”）、TextInputFormat.class、SCSTransMap.class）；
setOutputPath（作业，新路径（OUT_路径））；
系统退出（作业等待完成（真）？0:1；
}
}

我使用用户定义的可写类而不是tupleWritable类将值从映射传递到reduce 这是用户定义的可写表

package boc.competition.team1;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Writable;

public class IntPairWritable implements Writable {
        private IntWritable value1;
        private IntWritable value2;

        public IntPairWritable() {
            value1 = new IntWritable();
            value2 = new IntWritable();
        }

        public IntPairWritable(int value1, int value2) {
            this.value1 = new IntWritable(value1);
            this.value2 = new IntWritable(value2);
        }

        public int getInt1() {
            return value1.get();
        }

        public int getInt2() {
            return value2.get();
        }

        @Override
        public String toString() {
            return value1.toString()+" "+value2.toString();
        }

        @Override
        public void readFields(DataInput in) throws IOException {
            value1.readFields(in);
            value2.readFields(in);
        }

        @Override
        public void write(DataOutput out) throws IOException {
            value1.write(out);
            value2.write(out);
        }
}

---

根据

TupleWritable.java

源文件：

*这不是通用元组类型。在几乎所有情况下，用户都是
*鼓励实现自己的可序列化类型，该类型可以执行
*比这个类更好的验证和提供更有效的编码
*能干的。TupleWritable依赖于连接框架来实现类型安全和
*假设其实例很少被持久化，而不仅仅是假设
*与一般情况不相容，但与一般情况相反。

另请参见Chris Douglas-3的答案：

您需要访问TupleWritable:：setWrite（int）。如果您想使用
TupleWritable位于join包之外，则需要将其设置为
（可能还有相关的方法，比如ClearWrite（int））public和
重新编译

---

可以肯定地说，

TupleWritable

并不是一个用于MapReduce作业的公共类。

@Ben Watson，还有其他代码与变量“name”有关。它对这个问题不太重要，所以我没有发布它们。抱歉，我无意删除我的评论。谢谢你的信息。