Hadoop - 如何使用和减少多个输入？

Question

Mapper/Reducer 1 --> (key,value)
                      /   |   \
                     /    |    \
     Mapper/Reducer 2     |    Mapper/Reducer 4
     -> (oKey,oValue)     |    -> (xKey, xValue)
                          |
                          |
                    Mapper/Reducer 3
                    -> (aKey, aValue)

我有一个日志文件，我与MR1聚合。 Mapper2，Mapper3，Mapper4将MR1的输出作为输入。 乔布斯被束缚住了。

MR1输出：

User     {infos of user:[{data here},{more data},{etc}]}
..

MR2输出：

timestamp       idCount
..

MR3输出：

timestamp        loginCount
..

MR4输出：

timestamp        someCount
..

我想结合MR2-4的输出：最终输出 - >

timestamp     idCount     loginCount   someCount
..
..
..

没有猪或蜂巢的方式吗？ 我正在使用Java。

Answer 1

您可以使用MultipleInputs 在此处查看示例

Answer 2

据我所知，你不能在reducer类中有输出数组。 我想到的解决问题的方法如下：

根据密钥，MR1的输出密钥将是{a,b,c}并且值在{timestamp,idCount}或{timestamp, loginCount}或{timestamp, someCount} 。 你将结合MR2-4 。

所以这个过程就是这样的：

MR1 <inputKey,inputValue,outputKey,outPutValue> where outputKey is 
                                       "a" for outValue`{timestamp,idCount}
                                       "b" for outValue`{timestamp, loginCount} 
                                       "c" for outValue`{timestamp, someCount} 

MR2-4<inputKey,inputValue,outputKey,outPutValue> if inputkey is "a" do MR2
                                                 if inputkey is "b" do MR3
                                                 if inputkey is "c" do MR4

此外，还有一些名为Partitioner and GroupComperator方法，您可以在其中使用{key / value}，mapper / reducer可以将key+some_part_of_value视为键。