有没有办法在Hadoop中为Mapper提供构造函数args？可能通过一些包装创造就业的图书馆？
这是我的情景：
public class HadoopTest {
// Extractor turns a line into a "feature"
public static interface Extractor {
public String extract(String s);
}
// A concrete Extractor,configurable with a constructor parameter
public static class PrefixExtractor implements Extractor {
private int endindex;
public PrefixExtractor(int endindex) { this.endindex = endindex; }
public String extract(String s) { return s.substring(0,this.endindex); }
}
public static class Map extends Mapper<Object,Text,Text> {
private Extractor extractor;
// Constructor configures the extractor
public Map(Extractor extractor) { this.extractor = extractor; }
public void map(Object key,Text value,Context context) throws IOException,InterruptedException {
String feature = extractor.extract(value.toString());
context.write(new Text(feature),new Text(value.toString()));
}
}
public static class Reduce extends Reducer<Text,Text> {
public void reduce(Text key,Iterable<Text> values,InterruptedException {
for (Text val : values) context.write(key,val);
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = new Job(conf,"test");
job.setoutputKeyClass(Text.class);
job.setoutputValueClass(Text.class);
job.setMapperClass(Map.class);
job.setReducerClass(Reduce.class);
job.setInputFormatClass(TextInputFormat.class);
job.setoutputFormatClass(textoutputFormat.class);
FileInputFormat.addInputPath(job,new Path(args[0]));
FileOutputFormat.setoutputPath(job,new Path(args[1]));
job.waitForCompletion(true);
}
}
应该清楚,因为Mapper仅作为类引用(Map.class)提供给配置,所以Hadoop无法传递构造函数参数并配置特定的Extractor.
有一些Hadoop包装框架就像Scoobi,Crunch,Scrunch(可能还有更多我不知道的)似乎有这种能力,但我不知道他们是如何实现的.编辑：在与Scoobi合作之后,我发现我对此有些不对劲.如果在“映射器”中使用外部定义的对象,则Scoobi要求它是可序列化的,并且如果不是,则会在运行时进行抱怨.所以也许正确的方法就是让我的Extractor可以在Mapper的设置方法中进行序列化和反序列化……
此外,我实际上在Scala工作,所以非常欢迎基于Scala的解决方案(如果不鼓励！)
解决方法
我建议通过您正在创建的配置对象告诉您的映射器使用哪个提取器.映射器在其设置方法(context.getConfiguration())中接收配置.看起来您不能将对象放在配置中,因为它通常是从XML文件或命令行构造的,但您可以设置枚举值并让映射器自己构造其提取器.在创建映射器之后定制映射器并不是很漂亮,但这就是我对API的解释.