为什么 Mapper 类中没有使用 LongWritable(key)？答案

【问题标题】：Why LongWritable (key) has not been used in Mapper class?为什么 Mapper 类中没有使用 LongWritable(key)？
【发布时间】：2015-12-15 12:47:46
【问题描述】：

映射器：

Mapper类是一个泛型类型，有四个形式类型参数，分别指定map函数的输入键、输入值、输出键和输出值类型

public class MaxTemperatureMapper
    extends Mapper<LongWritable, Text, Text, IntWritable> {
        private static final int MISSING = 9999;
        @Override
        public void map(LongWritable key, Text value, Context context)
          throws IOException, InterruptedException {
            String line = value.toString();
            String year = line.substring(15, 19);
            int airTemperature;
            if (line.charAt(87) == '+') { // parseInt doesn't like leading plus signs
                airTemperature = Integer.parseInt(line.substring(88, 92));
            } else {
                airTemperature = Integer.parseInt(line.substring(87, 92));
        }
        String quality = line.substring(92, 93);
        if (airTemperature != MISSING && quality.matches("[01459]")) {
            context.write(new Text(year), new IntWritable(airTemperature));
        }
    }

减速机：

四个形式类型参数用于指定输入和输出类型，这减少功能的时间。 reduce函数的输入类型必须匹配map函数的输出类型：Text和IntWritable

public class MaxTemperatureReducer
extends Reducer<Text, IntWritable, Text, IntWritable> {
@Override
    public void reduce(Text key, Iterable<IntWritable> values, Context context)
    throws IOException, InterruptedException {
        int maxValue = Integer.MIN_VALUE;
        for (IntWritable value : values) {
            maxValue = Math.max(maxValue, value.get());
        }
    context.write(key, new IntWritable(maxValue));
    }
}

但在此示例中，从未使用过密钥。

Mapper中的key有什么用，完全没用过？

为什么 key 是 LongWritable 的？

【问题讨论】：

标签： java hadoop mapreduce

【解决方案1】：

本示例中使用的输入格式为TextInputFormat，它生成的键/值对为LongWritable/Text。

这里的键LongWritable 表示从给定输入文件的Input Split 读取的当前行的偏移位置。其中Text 代表实际的当前行本身。

我们不能说LongWritable 键为文件中的每一行给出的行偏移值是没有用的。这取决于用例，根据您的情况，此输入键并不重要。

除了TextInputFormat，我们还有许多类型的InputFormat 类型，它们以不同的方式解析输入文件中的行并生成其相关的键/值对。

例如 KeyValueTextInputFormat 是 TextInputFormat 的子类，它使用配置 delimiter 解析每一行，并将键/值生成为 Text/Text。

编辑：- 在下面找到一些输入格式和键/值类型的列表，

KeyValueTextInputFormat  Text/Text

NLineInputFormat         LongWritable/Text

FixedLengthInputFormat   LongWritable/BytesWritable

除了我们很少有输入格式在声明时采用基于泛型的自定义键/值类型。比如SequenceFileInputFormat, CombineFileInputFormat。请查看 Hadoop 权威指南中的输入格式章节。

希望这会有所帮助。

【讨论】：

你能提供一些例子，它有不同于 LongWritable 的键吗？
如果你想使用 combinefileinputformat 比你显然会使用一个文件名和偏移量作为你的键（跟踪你从哪个文件读取值），所以这取决于你创建你的自己的输入格式，如果你发现除了正常的偏移量之外还有一些有用的键，那么你可以使用它。

【解决方案2】：

JobConf 类返回 LongWritable 作为默认类，如果你没有设置

job.setMapOutputValueClass(...)

在JobConf代码中：-

public Class<?> getOutputKeyClass() {
    return getClass(JobContext.OUTPUT_KEY_CLASS,
                    LongWritable.class, Object.class);
}

【讨论】：