Map Reduce - 如何在单个作业中分组和聚合多个属性

Question

我目前在使用 MapReduce 方面遇到了一些困难。我有以下数据集：

1,John,Computer
2,Anne,Computer
3,John,Mobile
4,Julia,Mobile
5,Jack,Mobile
6,Jack,TV
7,John,Computer
8,Jack,TV
9,Jack,TV
10,Anne,Mobile
11,Anne,Computer
12,Julia,Mobile

现在我想应用带分组的 MapReduce 和聚合此数据集，以便输出不仅显示哪个人购买某物的次数，还有产品是什么，人们订购最多的产品。

所以输出应该是这样的：

John 3 Computer
Anne 3 Mobile
Jack 4 TV
Julia 2 Mobile

我目前对映射器和缩减器的实现看起来像这样，完美 returns 有多少订单由个人制作，然而，我真的不知道如何以获得所需的输出。

static class CountMatchesMapper extends Mapper<Object,Text,Text,IntWritable> {
    @Override
    protected void map(Object key, Text value, Context ctx) throws IOException, InterruptedException {
        String row = value.toString();
        String[] row_part = row.split(",");


            try{
                ctx.write(new Text(row_part[1]), new IntWritable(1));

            catch (IOException e) {
            }
            catch (InterruptedException e) {
            }

        }

    }
}


static class CountMatchesReducer extends Reducer<Text,IntWritable,Text,IntWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context ctx) throws IOException, InterruptedException {
        int i = 0;
        for (IntWritable value : values) i += value.get();
        try{
            ctx.write(key, new IntWritable(i));
        }
        catch (IOException e) {
        }
        catch (InterruptedException e) {
        }
    }
}

非常感谢任何有效的解决方案和帮助。

提前致谢！

Answer 1

如果我理解正确的话，我认为第二行输出应该是：

Anne 3 Computer

基于输入。安妮一共购买了 3 件产品：2 台电脑和 1 台手机。

我这里有一个非常基本和简单的方法，它没有考虑边缘情况等，但可以给你一些指导：

    static class CountMatchesMapper extends Mapper<LongWritable, Text, Text, Text> {
    private Text outputKey = new Text();
    private Text outputValue = new Text();

    @Override
    protected void map(LongWritable key, Text value, Context ctx) throws IOException, InterruptedException {
        String row = value.toString();
        String[] row_part = row.split(",");
        outputKey.set(row_part[1]);
        outputValue.set(row_part[2]);
        ctx.write(outputKey, outputValue);
    }
}

static class CountMatchesReducer extends Reducer<Text, Text, Text, NullWritable> {
    private Text output = new Text();

    @Override
    protected void reduce(Text key, Iterable<Text> values, Context ctx) throws IOException, InterruptedException {
        HashMap<String, Integer> productCounts = new HashMap();

        int totalProductsBought = 0;
        for (Text value : values) {
            String productBought = value.toString();
            int count = 0;
            if (productCounts.containsKey(productBought)) {
                count = productCounts.get(productBought);
            }
            productCounts.put(productBought, count + 1);
            totalProductsBought += 1;
        }

        String topProduct = getTopProductForPerson(productCounts);
        output.set(key.toString() + " " + totalProductsBought + " " + topProduct);
        ctx.write(output, NullWritable.get());
    }

    private String getTopProductForPerson(Map<String, Integer> productCounts) {
        String topProduct = "";
        int maxCount = 0;
        for (Map.Entry<String, Integer> productCount : productCounts.entrySet()) {
            if (productCount.getValue() > maxCount) {
                maxCount = productCount.getValue();
                topProduct = productCount.getKey();
            }
        }
        return topProduct;
    }
}

以上将给出您描述的输出。

如果您想要一个可以缩放等的适当解决方案，那么您可能需要一个复合键和自定义 GroupComparator。通过这种方式，您也可以添加 Combiner 并使其更加高效。但是，上述方法应该适用于一般情况。

Map Reduce - 如何在单个作业中分组和聚合多个属性

Map Reduce - How to group and aggregate multiple attributes in a single job

java

grouping

hadoop

mapreduce

aggregation