- 博客(2)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 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