- 博客(2)
- 资源 (1)
- 收藏
- 关注
原创 Hadoop streaming mapreduce多文件输入使用方法
写Mapreduce程序时,常常会有同时处理多个输入文件的的需求,那么如何在map程序中方便的知道这一条record到底来自哪个文件呢?如果数据源是可控的,我们尚可以通过字段的个数等来判断,然而这不是一个优雅的方法,其实hadoop已经给了留了解决方法:在map端获取环境变量map_input_file(0.21.x的版本分支中是mapreduce_map_input_file)即为本次的输入文件
2017-03-18 19:36:03 8239
原创 MapReduce二次排序(secondary sort)实战
接触过mapreduce的同学都知道,为了将key值相同的record放在一起,分配给指定reducer,shuffle阶段会按照key值排序。 然而在某些情况下,我们需要同时对value排序,A同学立马提出了如下解决方案:reduce的时候,将同一个key的所有value都存在一个list中,最后再进行排序,这个方案在数据量小时没有问题,可是reducer的内存是有限的,当数据规模很大时,
2017-03-18 19:05:45 2261
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人