将配置中定义的类的子类作为输出发出时，Hadoop Map 输出 IOException

Question

我有 3 个简单的类：

public abstract class Container implements WritableComparable<Container> {} //empty
public class WeightedEdge extends Container { ... }
public class NodeWeightContainer extends Container { ... }

Map 阶段是这样配置的

JobConf createGraphPConf = new JobConf(new Configuration());
Job job = new Job(createGraphPConf);
...
createGraphPConf.setMapOutputValueClass(Container.class);

但是我收到此错误：

java.io.IOException: Type mismatch in value from map: expected org.hadoop.test.data.util.Container, recieved org.hadoop.test.data.WeightedEdge
at org.apache.hadoop.mapred.MapTask$MapOutputBuffer.collect(MapTask.java:1018)
at org.apache.hadoop.mapred.MapTask$OldOutputCollector.collect(MapTask.java:591)
at org.hadoop.test.map.CreateGPMap.map(CreateGPMap.java:33)
at org.hadoop.test.map.CreateGPMap.map(CreateGPMap.java:19)
at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:50)
at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:435)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:371)
at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:210)

为什么我无法返回配置中定义的类的子类？有办法解决吗？问题是我的 Map 阶段必须发出两种不同的对象类型。

Answer 1

您无法返回配置中定义的类的子类，因为 Hadoop 显式检查 setMapOutputValueClass 中指定的类类型及其从映射器接收的类型。

这样做是因为它需要序列化/反序列化从映射器发出的对象。当它执行反序列化时，它会创建在 setMapOutputValueClass 调用中指定类型的新对象，然后使用 WriteableComparable 接口的方法用数据填充新创建的对象。

为了能够发出不同的对象类型，您可以定义容器非抽象类并将实际对象及其类型标识符放入其中

    public enum ELEM_TYPE { WE, WECONTAINER }

    public class Container implements WritableComparable<Container>
    {
        ELEM_TYPE  type; //actual element type -
                         // WeightedEdge  or NodeWeightContainer 
        object value;

        //WritableComparable implementation
        // that casts value to the appropriate type
    } 
    public class WeightedEdge { ... }
    public class NodeWeightContainer { ... }

Answer 2

我今天遇到了同样的问题。有一个Writable类org.apache.hadoop.io.GenericWritable可以用来解决这个问题。您需要扩展该类并实现一个抽象方法：

public class Container extends GenericWritable {

    private static Class[] CLASSES = {
           WeightedEdge.class, 
           NodeWeightContainer.class,
    };

    protected Class[] getTypes() {
       return CLASSES;
    }

}

public class WeightedEdge implemets Writable {...}
public class NodeWeightContainer implements Writable {...}

现在您可以使用Container类作为映射器的输出值类型。

重要提示：您的实际地图输出类（WeightedEdge 和 NodeWeightContainer）必须实现 Writable 接口。