如何在MapReduce框架中完成输入文件的拆分？

Question

假设使用m个映射器执行map-reduce作业，该映射由输入文件F提供。显然，mapreduce框架将F拆分为块（64 MB作为默认值）并将每个块提供给映射器。我的问题是，如果我多次运行这个mapreduce工作，那么在所有这些工作中块的形成方式是一样的吗？也就是说，mapreduce框架分割F的点保持不变或者可能不同？

例如，假设F包含以下行：

1,2

3,5

5,6

7,6

5,5

7,7

在第一次运行中，mapreduce形成两个块，如下所示：

第1块：

1,2

3,5

5,6

第2块：

7,6

5,5

7,7

我的问题是，如果我再次运行它，拆分的方式是否保持不变？

此外，每个块是否都有一个可以在映射器中使用的唯一名称？

Answer 1

我的问题是，如果再次运行拆分的方式是否仍然相同？

确实首先将输入数据拆分为块，然后将这些块中的每一个送入映射器。但是，它并不总是64M。也许你已经对HDFS块（通常是64M）和MR分裂感到困惑。两者都完全不同。虽然您的分割大小和块大小是相同的。

来到您的实际问题，是的，所有使用相同的InputFormat 的作业都是一样的。原因是，您正在使用的InputFormat的工作是创建拆分。确切地说，InputFormat的 getSplits（JobContext context）中的逻辑控制着分割创建。因此，如果在所有作业中相同，则拆分创建也将是相同的。

此外，每个块都有一个可以在映射器中使用的唯一名称吗？

每个块有两件事：

• 以字节为单位的长度。
• 一组存储位置，它们只是主机名字符串。

修改：

如何获取映射器正在执行的文件的名称：

FileSplit fileSplit = (FileSplit)context.getInputSplit();
String filename = fileSplit.getPath().getName();

现在，您可以在此文件上打开 FSDataInputStream 并阅读其内容。

希望它能回答你的问题。