在 MapReduce 中使用列表作为值返回相同的值

Question

我有一个 MapReduce 作业，它输出一个 IntWritable 作为键和 Point（我创建的实现可写的对象）对象作为 map 函数的值。然后在 reduce 函数中，我使用 for-each 循环遍历 Points 的可迭代对象来创建列表：

@Override
public void reduce(IntWritable key, Iterable<Point> points, Context context) throws IOException, InterruptedException {

    List<Point> pointList = new ArrayList<>();
    for (Point point : points) {
        pointList.add(point);
    }
    context.write(key, pointList);
}

问题是这个列表的大小是正确的，但每个点都是完全相同的。我的 Point 类中的字段不是静态的，我在循环中单独打印了每个点，以确保这些点是唯一的（它们是唯一的）。此外，我创建了一个单独的类，它只创建几个点并将它们添加到列表中，这似乎有效，这意味着 MapReduce 做了一些我不知道的事情。

任何解决此问题的帮助将不胜感激。

更新： Mapper 类代码：

private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
private IntWritable firstChar = new IntWritable();
private Point point = new Point();

@Override
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
    String line = value.toString();
    StringTokenizer tokenizer = new StringTokenizer(line, " ");

    while(tokenizer.hasMoreTokens()) {
        String atts = tokenizer.nextToken();
        String cut = atts.substring(1, atts.length() - 1);
        String[] nums = cut.split(",");

        point.set(Double.parseDouble(nums[0]), Double.parseDouble(nums[1]), Double.parseDouble(nums[2]), Double.parseDouble(nums[3]));
        context.write(one, point);
    }
}

点类：

public class Point implements Writable {

public Double att1;
public Double att2;
public Double att3;
public Double att4;

public Point() {

}

public void set(Double att1, Double att2, Double att3, Double att4) {
    this.att1 = att1;
    this.att2 = att2;
    this.att3 = att3;
    this.att4 = att4;
}

@Override
public void write(DataOutput dataOutput) throws IOException {
    dataOutput.writeDouble(att1);
    dataOutput.writeDouble(att2);
    dataOutput.writeDouble(att3);
    dataOutput.writeDouble(att4);
}

@Override
public void readFields(DataInput dataInput) throws IOException {
    this.att1 = dataInput.readDouble();
    this.att2 = dataInput.readDouble();
    this.att3 = dataInput.readDouble();
    this.att4 = dataInput.readDouble();
}

@Override
public String toString() {
    String output = "{" + att1 + ", " + att2 + ", " + att3 + ", " + att4 + "}";
    return output;
}

Answer 1

问题出在你的减速器上。您不想将所有点存储在内存中。它们可能很大，Hadoop 为您解决了这个问题（尽管方式很尴尬）。

当循环通过给定的Iterable<Points> 时，每个Point 实例都会被重复使用，因此它只在给定时间保留一个实例。

这意味着当你拨打points.next()时，会发生以下两件事：

1. Point实例被重用并设置下一个点数据
2. Key 实例也是如此。

在您的情况下，您会在 List 中找到多次插入的 Point 的一个实例，并使用最后一个 Point 中的数据进行设置。

你不应该在你的 reducer 中保存 Writables 的实例，或者应该克隆它们。

您可以在此处阅读有关此问题的更多信息
https://cornercases.wordpress.com/2011/08/18/hadoop-object-reuse-pitfall-all-my-reducer-values-are-the-same/