我正在创建存储在 SequenceFile 中的 Hadoop Vector 的键值对的 HashMap。为了提高效率,我想知道键值对的向量有多长,以便我可以用适当的大小初始化 HashMap。
我使用了 Mahout seqdumper
,它在每个转储向量的末尾附加了一个计数。我查看了它的代码,但它使用了一个简单的迭代计数器(对于每一行counter++
),因此不是我想要的。
看起来也SequenceFile.MetaData
很有希望,所以我研究了一下。但是调试器显示它不包含任何条目。
有没有其他方法可以快速获得类似于.size()
SequenceFile 中的 Hadoop Vector 的方法?
编辑:这是我正在变成地图的 seqdumper 的输出。具体来说,每个键值对都是一个 IntWritable / NamedVector 对。我希望创建从键号到 URI 字符串的映射。共有 46599 个键值对,seqdumper
在文件末尾附加。
Input Path: luceneVectors
Key class: class org.apache.hadoop.io.IntWritable Value Class: class org.apache.mahout.math.VectorWritable
Key: 0: Value: http://data.artsholland.com/production/73adae07-78c6-4180-93a4-34802090b5f1:{22118:0.18376858424635545,20381:0.40144184831236357,53753:0.2605347739121081,51569:0.2578896608715637,21930:0.2277873354603338,63035:0.27765920678967304,36979:0.2709104089668357,68351:0.15788776111071648,19436:0.2988119565549418,17991:0.12435264873296237,10356:0.3276902508762499,3410:0.27239123806574506,62942:0.18961849195965186,32527:0.24827631823639457,69909:0.11723303910369048,19832:0.2138117449778048}
Key: 1: Value: http://data.artsholland.com/production/c9fcc92b-18bb-4bfb-af52-380707f8d0d7:{41167:0.07191351238480857,61391:0.07496730342220936,[...]
[...],19156:0.0687215948604245}
Count: 46599