矩阵在mr的实现

标签：

先随机生成一个矩阵，矩阵的行数与列数由用户输入：

#!/bin/bash
for i in `seq 1 $1`
do
for j in `seq 1 $2`
do
s=$((RANDOM%100))
echo "s==="$s
echo -e "$i,$j\t$s" >>M_$1_$2

done
done

for i in `seq 1 $2`
do
for j in `seq 1 $3`
do
s=$((RANDOM%100))
echo -e "$i,$j\t$s" >>N_$2_$3
done
done

执行上面的shell脚本，即可生成一个矩阵。矩阵的乘法在hadoop的并行化实现，其基本的实现思路如下:

map:对于矩阵的M的每一个元素mij,产生一系列的key-value对<(i,k),(M,j,mij)>;对于矩阵的N的每个元素Njk,产生一系列的key-value对<(j,k),(N,j,mjk)>;

reduce:对于每个键（i,k）相关联的值(M,j,mij)，(N,j,mjk)，根据相同的j值将mij和njk分别存入不同的数组中，然后将两者的的第J个元素抽取出来分别相乘，最后相加，即可得到Pik的值。

下面给出hadoop的map和reduce代码的实现。

public static class MatrixMapper extends Mapper<Object,Text,Text,Text>{

      private Text map_key=new Text();

　　 private Text map_value=new Text();

  　 public void setup(Context context) throws IOException{

 　　Configuration conf=context.getConfiguration();

　　columnN=Integer.parseInt(conf.get("columnN"));

　　rowM=Integer.parseInt(conf.get("rowM"));

　　}

     public void map(Object key,Text value,Context context) throws IOException,InterruptedException{

　　FileSplit fileSplit=(FileSplit )context.getInputSplit();

 　　String fileName=fileSplit.getPath().getName();

　　String[] tuple=value.toString().split(",");

　　if(fileName.startWith("M")){

　　　　int i=Integer.parseInt(tuple[0]);

　　　　String tuples=tuple[1].split("\t");

　　　　int j=Integer.parseInt(tuples[0]);

　　　　int Mij=Integer.parseInt(tuples[1]);

　　　　for(int k=1;k<columnN+1;k++){

　　　　map_key.set(i+","+k);

　　　　map_value.set("M"+","+j+","+Mij);

　　　　context.write(map_key,map_value);

　　　　}

　　}else if(fileName.startWith("N")){

　　　　int j=Integer.parseInt(tuple[0]);

　　　　String tuples=tuple[1].split("\t");

　　　　int k=Integer.parseInt(tuples[0]);

　　　　int Njk=Integer.parseInt(tuples[1]);

　　　　for(int i=1;i<rowM+1;i++){

　　　　map_key.set(i+","+k);

　　　　map_value.set("N"+","+j+","+Njk);

　　　　context.write(map_key,map_value);

　　}

　　}

}

矩阵在mr的实现

标签：

原文地址：http://www.cnblogs.com/hd-zg/p/5905655.html