hadoop - 映射器在本地和集群上的行为不同

Question

我运行一个仅映射作业（在 Hadoop 上）以对键值进行排序，因为据说“Hadoop 在发送到减速器之前自动对映射器发出的数据进行排序”。

输入文件

2013-04-15      835352
2013-04-16      846299
2013-04-17      828286
2013-04-18      747767
2013-04-19      807924

我认为 Map(second_cloumn, first_column) 应该对该文件进行排序，如 output1 所示。当我在本地机器上运行它时，它实际上是这样做的。但是当我在集群上运行它时，输出就像 output2 中显示的那样。

输出1文件

747767  2013-04-18
807924  2013-04-19
828286  2013-04-17
835352  2013-04-15
846299  2013-04-16

输出2文件

835352  2013-04-15
747767  2013-04-18
807924  2013-04-19
828286  2013-04-17
846299  2013-04-16

我怎样才能保证它总是像在输出中一样。我愿意接受按第二列排序的其他建议。

映射器

public class MapAccessTime1 extends Mapper<LongWritable, Text, IntWritable, Text> {

    private IntWritable one = new IntWritable(1);
    private Text word = new Text();

    @Override
    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        String line = value.toString();
        int val = 0;
        StringTokenizer tokenizer = new StringTokenizer(line);
        if (!line.startsWith("#")) {
            if (tokenizer.hasMoreTokens()) {
                word.set(tokenizer.nextToken());
            }
            if (tokenizer.hasMoreTokens()) {
                val = Integer.parseInt(tokenizer.nextToken());
                one = new IntWritable(val);
                context.write(one, word);
            }
        }
    }
}

Answer 1

MapOnly 作业不进行洗牌和排序。使用身份缩减器解决了我的问题。