Max temperature Mapreduce java代码中的运行时错误

Question

我正在运行 mapreduce 代码，我得到的错误是

    Error: java.lang.ClassCastException: org.apache.hadoop.io.LongWritable cannot be cast to org.apache.hadoop.io.IntWritable
        at test.temp$Mymapper.map(temp.java:1)
        at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:146)
        at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:787)
        at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)
        at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:164)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:415)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1657)
        at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158)

代码如下：

    package test;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
//import org.apache.hadoop.mapred.JobConf;
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.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;


public class temp {
    public static class Mymapper extends Mapper<Object, Text, IntWritable,Text> {

        public void map(Object key, Text value,Context context) throws IOException, InterruptedException{

            int month=Integer.parseInt(value.toString().substring(17, 19));
            IntWritable mon=new IntWritable(month);
            String temp=value.toString().substring(27,31);
            String t=null;
            for(int i=0;i<temp.length();i++){
                if(temp.charAt(i)==',')
                        break;

                else
                    t=t+temp.charAt(i);
            }

            Text data=new Text(value.toString().substring(22, 26)+t);
            context.write(mon, data);
        }


    }

    public static class Myreducer extends  Reducer<IntWritable,Text,IntWritable,IntWritable> {

        public void reduce(IntWritable key,Iterable<Text> values,Context context) throws IOException, InterruptedException{
            String temp="";
            int max=0;
            for(Text t:values)
            {
                temp=t.toString();
                if(temp.substring(0, 4)=="TMAX"){

                    if(Integer.parseInt(temp.substring(4,temp.length()))>max){
                        max=Integer.parseInt(temp.substring(4,temp.length()));
                    }
                }
            }

            context.write(key,new IntWritable(max));
        }



        }



    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "temp");
        job.setJarByClass(temp.class);
        job.setMapperClass(Mymapper.class);
        job.setCombinerClass(Myreducer.class);
        job.setReducerClass(Myreducer.class);
        job.setOutputKeyClass(IntWritable.class);
        job.setOutputValueClass(IntWritable.class);

        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        job.waitForCompletion(true);

        }

}

输入文件是

USC00300379,19000101,TMAX,-78,,,6, USC00300379,19000101,TMAX,-133,,,6, USC00300379,19000101,TMAX,127,,,6

请回复并提供帮助！

Answer 1

认为您正在使用 TextInputFormat 作为作业的输入格式。这会产生 LongWritable/Text，而 Hadoop 正在从中派生映射输出类。

尝试显式设置地图输出类并移除组合器：

job.setMapOutputKeyClass(IntWritable.class);
job.setMapOutputValueClass(Text.class);
// job.setCombinerClass(Myreducer.class);

只有当 map 和 reduce 输出兼容时，combiner 才会起作用！

Answer 2

当您在驱动程序中设置以下内容时，

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

它为 mapper 和 reducer 定义了 output 类，而不仅仅是 reducer。

这意味着你的映射器应该有connect.write(IntWritable, IntWritable)，但你已经编码了connect.write(IntWritable, Text)。

修复：当你的map输出类型和reduce输出不同时，你需要显式设置mapper的输出类型。因此，在您的驱动程序代码中添加以下内容。

job.setMapOutputKeyClass(IntWritable.class);
job.setMapOutputValueClass(Text.class);

Answer 3

您在驱动程序中设置了以下内容：

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

这意味着，您的 mapper 和 reducer 输出键类都应该是 IntWritable，值类应该是 IntWritable。

减速机不错：

public static class Myreducer extends  Reducer<IntWritable,Text,IntWritable,IntWritable> 

这里的输出键和值都是IntWritable。

问题出在映射器上：

public static class Mymapper extends Mapper<Object, Text, IntWritable,Text> 

这里的输出键类是IntWritable。但是，输出值类是Text（预计是IntWritable）。

如果你的 mapper 的输出 key/value 类与你的 reducer 的输出 key/value 类不同，那么你需要在你的驱动中显式添加以下语句：

setMapOutputKeyClass();
setMapOutputValueClass();

在您的代码中进行以下更改：

• 设置map输出key和value类：在你的情况下，由于你的mapper和reducer输出key和value类不同，需要设置如下：

  job.setMapOutputKeyClass(IntWritable.class);
  job.setMapOutputValueClass(Text.class);
  
  job.setOutputKeyClass(IntWritable.class);
  job.setOutputValueClass(IntWritable.class);
  

• 禁用组合器：由于您将 Reducer 代码用于您的 Combiner，因此 Combiner 的输出将是 Intwritable 和 IntWritable。但是，Reducer 期望输入为IntWritable 和Text。因此，您将得到以下异常，因为它的值是IntWritable 而不是Text：

  Error: java.io.IOException: wrong value class: class org.apache.hadoop.io.IntWritable is not class org.apache.hadoop.io.Text
  

  要消除此错误，您需要禁用Combiner：

  job.setCombinerClass(Myreducer.class);
  

• 不要使用reducer作为combiner：如果你确实需要使用combiner，那就写一个combiner，它的输出key/value是IntWritable和Text。

Answer 4

这是我所做的更改。

public static void main(String[] args) throws Exception {

        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "temp");

        job.setJarByClass(Temp.class);

        job.setMapperClass(Mymapper.class);
        job.setReducerClass(Myreducer.class);

        job.setMapOutputKeyClass(IntWritable.class);
        job.setMapOutputValueClass(Text.class);

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

        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        job.setNumReduceTasks(1);
        job.waitForCompletion(true);
    }

输出： 10 0

有关解释，请关注 Manjunath Ballur 的帖子。