Hadoop 组 <key, (list of values) 中的 reducer 不应该仅基于 hashCode 吗？

Question

我决定创建自己的 WritableComparable 类来了解 Hadoop 如何使用它。所以我创建了一个带有两个实例变量（orderNumber cliente）的 Order 类并实现了所需的方法。我还为 getter/setters/hashCode/equals/toString 使用了 Eclipse 生成器。

在 compareTo 中，我决定只使用 orderNumber 变量。

我创建了一个简单的 MapReduce 作业，仅用于计算数据集中某个订单的出现次数。错误地，我的测试记录之一是 Ita 而不是 Itá，您可以在此处看到：

123 Ita
123 Itá
123 Itá
345 Carol
345 Carol
345 Carol
345 Carol
456 Iza Smith

据我了解，第一条记录应该被视为不同的顺序，因为记录 1 的 hashCode 与记录 2 和 3 的 hashCode 不同。

但在减少阶段，3 条记录被组合在一起。正如你在这里看到的：

Order [cliente=Ita, orderNumber=123]    3
Order [cliente=Carol, orderNumber=345]  4
Order [cliente=Iza Smith, orderNumber=456]  1

我认为 Itá 记录应该有一个计数为 2 的行，而 Ita 应该有计数 1。

因为我在 compareTo 中只使用了 orderNumber，所以我尝试在这个方法中使用 String 客户端（在下面的代码中注释）。然后，它按我的预期工作了。

那么，这是预期的结果吗？ hadoop 不应该只使用 hashCode 对键及其值进行分组吗？

这是 Order 类（我省略了 getter/setter）：

public class Order implements WritableComparable<Order>
{
private String cliente;
private long orderNumber;


@Override
public void readFields(DataInput in) throws IOException 
{
    cliente = in.readUTF();
    orderNumber = in.readLong();

}


@Override
public void write(DataOutput out) throws IOException 
{
    out.writeUTF(cliente);
    out.writeLong(orderNumber);

}

@Override
public int compareTo(Order o) {
    long thisValue = this.orderNumber;
    long thatValue = o.orderNumber;
    return (thisValue < thatValue ? -1 :(thisValue == thatValue ? 0 :1));
    //return this.cliente.compareTo(o.cliente);
}

@Override
public int hashCode() {
    final int prime = 31;
    int result = 1;
    result = prime * result + ((cliente == null) ? 0 : cliente.hashCode());
    result = prime * result + (int) (orderNumber ^ (orderNumber >>> 32));
    return result;
}


@Override
public boolean equals(Object obj) {
    if (this == obj)
        return true;
    if (obj == null)
        return false;
    if (getClass() != obj.getClass())
        return false;
    Order other = (Order) obj;
    if (cliente == null) {
        if (other.cliente != null)
            return false;
    } else if (!cliente.equals(other.cliente))
        return false;
    if (orderNumber != other.orderNumber)
        return false;
    return true;
}


@Override
public String toString() {
    return "Order [cliente=" + cliente + ", orderNumber=" + orderNumber + "]";
}

这是 MapReduce 代码：

public class TesteCustomClass extends Configured implements Tool
{
public static class Map extends MapReduceBase implements Mapper<LongWritable, Text, Order, LongWritable>
{
    LongWritable outputValue = new LongWritable();
    String[] campos;
    Order order = new Order();

        @Override
    public void configure(JobConf job)
    {
    }

    @Override
    public void map(LongWritable key, Text value, OutputCollector<Order, LongWritable> output, Reporter reporter) throws IOException 
            {
        campos = value.toString().split("\t");

            order.setOrderNumber(Long.parseLong(campos[0]));
        order.setCliente(campos[1]);

        outputValue.set(1L);
        output.collect(order, outputValue);
    }
}

public static class Reduce extends MapReduceBase implements Reducer<Order, LongWritable, Order,LongWritable>
{

    @Override
    public void reduce(Order key, Iterator<LongWritable> values,OutputCollector<Order,LongWritable> output, Reporter reporter) throws IOException 
    {
        LongWritable value = new LongWritable(0);
        while (values.hasNext())
        {
            value.set(value.get() + values.next().get());
        }
        output.collect(key, value);
    }
}

@Override
public int run(String[] args) throws Exception {

    JobConf conf = new JobConf(getConf(),TesteCustomClass.class);

    conf.setMapperClass(Map.class);
    //  conf.setCombinerClass(Reduce.class);
    conf.setReducerClass(Reduce.class);
    conf.setJobName("Teste - Custom Classes");

    conf.setOutputKeyClass(Order.class);
    conf.setOutputValueClass(LongWritable.class);

    conf.setInputFormat(TextInputFormat.class);
    conf.setOutputFormat(TextOutputFormat.class);

    FileInputFormat.setInputPaths(conf, new Path(args[0]));
    FileOutputFormat.setOutputPath(conf, new Path(args[1]));


    JobClient.runJob(conf);

    return 0;

}

public static void main(String[] args) throws Exception {
    int res = ToolRunner.run(new Configuration(),new TesteCustomClass(),args);
    System.exit(res);
}
}

Answer 1

默认分区器是HashPartitioner，它使用hashCode 方法来确定将K,V 对发送到哪个reducer。

一旦在 reducer 中（或者如果您使用的是运行 map 端的组合器），compareTo 方法用于对键进行排序，然后也用于（默认情况下）比较是否应该对顺序键进行分组在一起，并且它们的关联值在同一迭代中减少。

如果您在 compareTo 方法中不使用 cliente 键变量而仅使用 orderNumber 变量，则具有相同 orderNumber 的任何键的值都将一起减少 - 无论 @987654328 @value（这是您当前正在观察的）