为何 hadoop streaming 集群运行结果与测试结果差异极大?

问答 hadooper ⋅ 于 2019-05-20 15:31:56 ⋅ 最后回复由 青牛 2019-05-21 09:15:41 ⋅ 1533 阅读

求助一下各位。

背景:

原始数据中的每行是个样本,每条样本包含一些关键字,mr作业目标是计算特定的一些关键字在所有样本中的覆盖率(即关键字出现次数 / 样本总数),线下使用cat map sort reduce 测试的结果无异常,但提交作业到hadoop集群后结果很奇怪,有两点异常 :

1 计算结果中,很多关键字丢失

2 覆盖率的值只出现0.0和1.0,没有其它的值

补充:

已经注意了Python2要使用float / float这一点,但还是有如上两点问题

成为第一个点赞的人吧 :bowtie:
回复数量: 1
  • 青牛 国内首批大数据从业者,就职于金山,担任大数据团队核心研发工程师
    2019-05-21 09:15:41

    集群环境和你的测试环境一样吗 集群上的python版本是哪个
    1、关键字丢失 你用的什么方法匹配?正则表达式吗
    2、覆盖率的值只出现0.0和1.0,没有其它的值 统计的频数是int类型吗 计算的时候用int转float

暂无评论~~
  • 请注意单词拼写,以及中英文排版,参考此页
  • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`, 更多语法请见这里 Markdown 语法
  • 支持表情,可用Emoji的自动补全, 在输入的时候只需要 ":" 就可以自动提示了 :metal: :point_right: 表情列表 :star: :sparkles:
  • 上传图片, 支持拖拽和剪切板黏贴上传, 格式限制 - jpg, png, gif,教程
  • 发布框支持本地存储功能,会在内容变更时保存,「提交」按钮点击时清空
Ctrl+Enter