mrjob - mrjob 任务可以输出集合吗？

Question

我尝试从 mrjob 中的映射器输出 python 集。我相应地更改了组合器和减速器的函数签名。

但是，我收到此错误：

Counters From Step 1
Unencodable output:
TypeError: 172804

当我将集合更改为列表时，此错误消失。mrjob 中的映射器是否无法输出某些 python 类型？

Answer 1

使用协议（通常是 Raw、JSON 或 Pickle）在 MapReduce 的各个阶段之间移动值。

您必须确保您选择的协议可以正确处理正在移动的值。我会想象一组没有默认的 JSON 表示，也许也没有原始表示？

尝试将 INTERNAL_PROTOCOL 设置为 Pickle，如下所示：

class yourMR(MRJob):
    INTERNAL_PROTOCOL = PickleProtocol

    def map(self, key, value):
        # mapper

    def reduce(self, key, value):
        # reducer

注意：MRJob 会为你处理酸洗和解酸，所以不用担心这方面。如有必要，您还可以设置 INPUT 和 OUTPUT 协议（对于多个阶段，或设置减速器的输出）。