这是一个创建于 2270 天前的主题，其中的信息可能已经有所发展或是发生改变。
刚学 hadoop，第一个作业是求两地的温度相似程度。
输入文件是：
地点 ID 年份 最高平均温度
相似度的计算是：两个地点的各年温度差求和 /总年数
看到一个博客给的思路。但是不太明白具体的步骤。有没有大神帮忙解释一下：
输入：
1 f(1)
2 f(2)
3 f(3)
4 f(4)
mapper:
1,2 f(1)
1,3 f(1)
1,4 f(1)
1,2 f(2)
2,3 f(2)
2,4 f(2)
1,3 f(3)
2,3 f(3)
3,4 f(3)
1,4 f(4)
2,4 f(4)
3,4 f(4)
reducer:
1,2 f(1) f(2)
1,3 f(1) f(3)
1,4 f(1) f(4)
2,3 f(2) f(3)
2,4 f(2) f(4)
3,4 f(3) f(4)
本文作者：linger
本文链接： http://blog.csdn.net/lingerlanlan/article/details/46289661
我不太明白的是 MAPPER 如何把不同的两行联合作为 key
输入文件是：
地点 ID 年份 最高平均温度
相似度的计算是：两个地点的各年温度差求和 /总年数
看到一个博客给的思路。但是不太明白具体的步骤。有没有大神帮忙解释一下：
输入：
1 f(1)
2 f(2)
3 f(3)
4 f(4)
mapper:
1,2 f(1)
1,3 f(1)
1,4 f(1)
1,2 f(2)
2,3 f(2)
2,4 f(2)
1,3 f(3)
2,3 f(3)
3,4 f(3)
1,4 f(4)
2,4 f(4)
3,4 f(4)
reducer:
1,2 f(1) f(2)
1,3 f(1) f(3)
1,4 f(1) f(4)
2,3 f(2) f(3)
2,4 f(2) f(4)
3,4 f(3) f(4)
本文作者：linger
本文链接： http://blog.csdn.net/lingerlanlan/article/details/46289661
我不太明白的是 MAPPER 如何把不同的两行联合作为 key
 |
1
billlee 2018-08-26 22:42:38 +08:00
这个并不是联合两行联合，而是需要预先知道所有 x, 比如 0 <= x < n.
让 mapper(x, f(x)) 产生 n 个输出：(x, i, f(x)), 0 <= i < n. 那么对于 x_a 和 x_b, x_a 产生的输出中有 (x_a, i, f(x_a), i = x_b, x_b 产生的输出中会有 (x_b, i, f(x_b)), i = x_a 如果我们把 (x, i) 视为 key, 那么 x_a 和 x_b 产生 key 就是 (x_a, x_b) 和 (x_b, x_a), value 是 f(x_a), f(x_b) 现在的问题是 (x_a, x_b) 和 (x_b, x_a) 的顺序是相反的，reducer 的时候没法汇聚到一起。这里需要做个小调整，在产生 key 是做个小变化，让 x 和 i 两个数中，小的那个放在前面，那么这两个 key 就是一样的了，reducer 的时候就能吧 f(x_a) 和 f(x_b) 汇聚到一起，算出 |f(x_a) - f(x_b)|. 建议你不要再花时间去搞 hadoop mapreducer 了，直接学 spark 吧。 |
 |
2
liprais 2018-08-26 23:19:16 +08:00
spark sql 一行搞定，学 mr 还有啥意义
|
Select Language