MapReduce学习笔记和总结（四）— Combiner组件

目录

MapReduce中的Combiner组件

1 Combiner组件的作用

2 定义Combiner组件

3 什么时候可以使用Combiner组件？

---

MapReduce中的Combiner组件

由于map的并行度与split（切片）相关，与数据有关。数据越大，mapTask的并行度就越大，而且map的实质就是将一行数据拆分，然后打个标记。这就导致所有数据的计算任务，都在reduce中。而且原本reduce端的并行度就不高，容易产生性能不高等问题。如果map端可以分担一些计算任务，那么reduce端的性能肯定会有所提高。

1 Combiner组件的作用

（1）减少Reduce端的数据量，相当于在Map端做了一次合并；Combiner本质上相当于在map端进行了一次reduce操作。

（2）减少shuffle过程的数据量，提高分布式计算程序的整体性能；

效果图为：

2 定义Combiner组件

Combiner组件中的业务逻辑与reducer中的业务逻辑相似。MR中，默认没有没有Combiner组件，需要自定义组件并实现。

具体实现方法为：

①自定义Combiner类，并继承Reducer类

类的泛型参数：前两个泛型是map的输出KV，后面两个是reduce的输入KV。

public class MyCombiner extends Reducer<KEYIN, VALUEIN, KEYOUT, VALUEOUT>{}

当我们在写MR程序时，Map端的输出就是Reduce端的输入。所以Combiner的前两个泛型和后两个泛型的类型是一致的。

② 重写reduce()方法

该方法对应的是一个切片（split，mapTask）， 该方法只对一个mapTask中的数据进行统计。

package com.ethan.mrcombiner;
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
/**
 * 前两个泛型map的输出，后面两个是reduce的输入
 * 前后两个泛型类型一致
 * @Description Combiner
 * @author Ethan
 * @date 2020年1月31日
 */
public class MyCombiner extends Reducer<Text, IntWritable, Text, IntWritable>{
	/**
	 * 重写reduce方法
	 * 该方法对应的是一个切片（split，mapTask）
	 * 该方法只对一个mapTask中的数据进行统计
	 * key：map发出的key
	 * values：map发出相同key的一组value
	 * 
	 */
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
	int sum = 0;
	for (IntWritable v : values) {
		sum += v.get();
	}
	context.write(key, new IntWritable(sum));
}}

③在驱动类中添加该Combiner类

job.setCombinerClass(MyCombiner.class);

因为Combiner本质上相当于在map端进行了一次reduce操作，有时候没必要重写一遍reduce方法，通常情况下，都可以直接使用Reducer类作为自定义的Combiner类。如：

job.setCombinerClass(WordCountReducer.class);

注意：

Combiner组件针对的、对应的是单个mapTask <----> 切片 <----> 数据块，不可以对多个mapTask结果进行合并。

Reducer针对的是所有mapTask，是全局的。

3 什么时候可以使用Combiner组件？

可以使用：求和、求最大、最小值

不可以使用：求平均值

使用场景：以每个mapTask为单位，进行计算的最终结果，不会影响以所有mapTask为单位进行结算的结果。具体应用还需根据自己的业务逻辑详细分析，能否利用combiner进行优化。

Combiner组件不参与业务逻辑，只是一个map到reduce之间的优化组件，有没有Combiner对整体业务逻辑没有影响。