使用ArrayWritable的序列化似乎以一种有趣的方式工作
我正在使用ArrayWritable
,在某些时候我需要检查Hadoop如何序列化ArrayWritable
,这是我通过设置job.setNumReduceTasks(0)
:
0 IntArrayWritable@10f11b8 3 IntArrayWritable@544ec1 6 IntArrayWritable@fe748f 8 IntArrayWritable@1968e23 11 IntArrayWritable@14da8f4 14 IntArrayWritable@18f6235
这是我使用的测试映射器:
public static class MyMapper extends Mapper { public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { int red = Integer.parseInt(value.toString()); IntWritable[] a = new IntWritable[100]; for (int i =0;i<a.length;i++){ a[i] = new IntWritable(red+i); } IntArrayWritable aw = new IntArrayWritable(); aw.set(a); context.write(key, aw); } }
IntArrayWritable
取自javadoc: ArrayWritable中给出的示例。
import org.apache.hadoop.io.ArrayWritable; import org.apache.hadoop.io.IntWritable; public class IntArrayWritable extends ArrayWritable { public IntArrayWritable() { super(IntWritable.class); } }
我实际上检查了Hadoop的源代码,这对我没有意义。 ArrayWritable
不应该序列化类名,并且不能使用6/7hex值序列化100 IntWritable
数组。 应用程序实际上似乎工作正常,reducer反序列化正确的值…发生了什么? 我错过了什么?
问题是您从MapReduce作业获得的输出不是该数据的序列化版本。 它被翻译成漂亮的印刷字符串。
当您将reducer的数量设置为零时,您的映射器现在会通过输出格式传递,这将格式化您的数据,可能会将其转换为可读字符串。 它不会将其转储出序列化,就像它将被减速器拾取一样。
您必须覆盖默认的toString()
方法。
TextOutputFormat
调用它来创建一个人类可读的格式。
尝试以下代码并查看结果:
public class IntArrayWritable extends ArrayWritable { public IntArrayWritable() { super(IntWritable.class); } @Override public String toString() { StringBuilder sb = new StringBuilder(); for (String s : super.toStrings()) { sb.append(s).append(" "); } return sb.toString(); } }
您是否查看了SequenceFileInputFormat和SequenceFileOutputFormat? 你可以设置:
job.setInputFormatClass(SequenceFileInputFormat.class);
和
job.setOutputFormatClass(TextOutputFormat.class);
这很简单。 Hadoop使用thé方法write(DataOutput out)以序列化版本编写对象(有关更多信息,请参阅hadoop ArrayWritable doc)。 当您通过IntArrayWritable扩展ArrayWritable时,您自己的类将使用inheritance类中的这些方法。 再见。