FileInputFormat.setInputPaths(job, input1, input2);
在读取文件时候，默认先读单个大文件所在的路径（一次性读清该文件下所有文件），后读小文件所在路径。
写协同过滤时候，想让
setInputPaths方法先读第一个输入路径input1，再读第二个输出路径input2
setInputPaths方法先读第一个输入路径input1，再读第二个输出路径input2
就算把文件位置交换，读取的顺序还是错误
public static class myMapper extends Mapper<LongWritable, Text, Text, Text> {
@SuppressWarnings("rawtypes")
private final static Map<Integer, List> cooccurrenceMatrix = new HashMap<Integer, List>();// 同现矩阵
Text k = new Text();
Text v = new Text();
@SuppressWarnings("unchecked")
@Override
protected void map(LongWritable key, Text values,
Mapper<LongWritable, Text, Text, Text>.Context context)
throws IOException, InterruptedException {
String[] lists = values.toString().split("[\t,]");
// 同现矩阵时候，v1存的是书本id 书本id v2存的是权值。
// 用户评分矩阵，v1存的是书本号 v2存的是用户id 用户评分
String[] v1 = lists[0].split(":");
String[] v2 = lists[1].split(":");
if (v1.length > 1) {// 需要先读到cooccurrence同现矩阵
int itemID1 = Integer.parseInt(v1[0]);// 横轴
int itemID2 = Integer.parseInt(v1[1]);// 纵轴
int num = Integer.parseInt(v2[0]);// 权重
List<Cooccurrence> list = null;
if (!cooccurrenceMatrix.containsKey(itemID1))
list = new ArrayList<Cooccurrence>();
else
list = cooccurrenceMatrix.get(itemID1);
list.add(new Cooccurrence(itemID1, itemID2, num));
cooccurrenceMatrix.put(itemID1, list);// 以横坐标书号为key 存储同现矩阵
}
if (v2.length > 1) {// userVector用户评价矩阵
int itemID = Integer.parseInt(v1[0]);// 物品id
String userID = v2[0];// 用户id
double pref = Double.parseDouble(v2[1]);// 用户评分
k.set(userID);
if (cooccurrenceMatrix.containsKey(itemID)) {
Iterator<Cooccurrence> iterator = cooccurrenceMatrix.get(
itemID).iterator();
while (iterator.hasNext()) {
Cooccurrence co = iterator.next();
v.set(co.getItemID2() + "," + pref * co.getNum());
context.write(k, v);
}
}
}
}
}
百度了半天没结果，然后自己琢磨。
自己捣鼓了半天后，把大文件进行了切块。然后读取正确。
ok，上结论：
FileInputFormat.setInputPaths(job, input1, input2);在读取文件时候，默认先读单个大文件所在的路径（一次性读清），后读
小文件所在路径。
协同过滤的代码参考的是https://blog.csdn.net/pang_hailong/article/details/53046330?locationNum=12&fps=1
开始时候还不明白为什么把step3里边把同现矩阵重写一遍，然后分析70m的豆瓣数据时候看了step2和step3_2的区别，就是将数据进行了切割，保证了先读step3_1里边的数据，后读step3_2里边的数据。
就是这样，小萌新第一次写博客，请大神们多多指教。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/38465.html
