我正在运行一个mapreduce作业，处理50k文本文档，长度为1-100页。我对doc执行的不多，只是一些regex进程。mapreduce大约需要7个小时。
mapper函数在一行文本上运行，基本上map函数是为每个文档中的每一行文本调用的，这是很多过程。然后减速器运行并合并数据。

public class TextMetricsMapper extends Mapper<LongWritable, Text, Text, Text> {
      @Override
      public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            StringBuilder sb = new StringBuilder();
            String line = value.toString();
…

因为我正在阅读小文本文件，所以我的大部分处理时间似乎都花在了调用Map器上。我的意思是，如果50000个文件中有一个有5000行，那就是5000个Map过程。
如何将Map器更改为只读取整个文件？我真的很想一次在mapper中看到整个文档，以创建我需要的统计信息。

• 由于业务需要，我不得不使用hadoop。