自定义Counter使用 与

自定义计数器的使用（记录敏感单词）

复制代码
1 package counter;
2
3 import java.net.URI;
4 import org.apache.hadoop.conf.Configuration;
5 import org.apache.hadoop.fs.FileSystem;
6 import org.apache.hadoop.fs.Path;
7 import org.apache.hadoop.io.LongWritable;
8 import org.apache.hadoop.io.Text;
9 import org.apache.hadoop.mapreduce.Counter;
10 import org.apache.hadoop.mapreduce.Job;
11 import org.apache.hadoop.mapreduce.Mapper;
12 import org.apache.hadoop.mapreduce.Reducer;
13 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
14 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
15 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
16 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
17
18 public class WordCountApp {
19 static final String INPUT_PATH = “hdfs://chaoren:9000/hello”;
20 static final String OUT_PATH = “hdfs://chaoren:9000/out”;
21
22 public static void main(String[] args) throws Exception {
23 Configuration conf = new Configuration();
24 FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH), conf);
25 Path outPath = new Path(OUT_PATH);
26 if (fileSystem.exists(outPath)) {
27 fileSystem.delete(outPath, true);
28 }
29
30 Job job = new Job(conf, WordCountApp.class.getSimpleName());
31
32 // 1.1指定读取的文件位于哪里
33 FileInputFormat.setInputPaths(job, INPUT_PATH);
34 // 指定如何对输入的文件进行格式化，把输入文件每一行解析成键值对
35 //job.setInputFormatClass(TextInputFormat.class);
36
37 // 1.2指定自定义的map类
38 job.setMapperClass(MyMapper.class);
39 // map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致，则可以省略
40 //job.setOutputKeyClass(Text.class);
41 //job.setOutputValueClass(LongWritable.class);
42
43 // 1.3分区
44 //job.setPartitionerClass(org.apache.hadoop.mapreduce.lib.partition.HashPartitioner.class);
45 // 有一个reduce任务运行
46 //job.setNumReduceTasks(1);
47
48 // 1.4排序、分组
49
50 // 1.5归约
51
52 // 2.2指定自定义reduce类
53 job.setReducerClass(MyReducer.class);
54 // 指定reduce的输出类型
55 job.setOutputKeyClass(Text.class);
56 job.setOutputValueClass(LongWritable.class);
57
58 // 2.3指定写出到哪里
59 FileOutputFormat.setOutputPath(job, outPath);
60 // 指定输出文件的格式化类
61 //job.setOutputFormatClass(TextOutputFormat.class);
62
63 // 把job提交给jobtracker运行
64 job.waitForCompletion(true);
65 }
66
67 /**
68 *
69 * KEYIN 即K1 表示行的偏移量
70 * VALUEIN 即V1 表示行文本内容
71 * KEYOUT 即K2 表示行中出现的单词
72 * VALUEOUT 即V2 表示行中出现的单词的次数，固定值1
73 *
74 /
75 static class MyMapper extends
76 Mapper<LongWritable, Text, Text, LongWritable> {
77 protected void map(LongWritable k1, Text v1, Context context)
78 throws java.io.IOException, InterruptedException {
79 /*
80 * 自定义计数器的使用
81 /
82 Counter counter = context.getCounter(“Sensitive Words”, “hello”);//自定义计数器名称Sensitive Words
83 String line = v1.toString();
84 if(line.contains(“hello”)){
85 counter.increment(1L);//记录敏感词汇hello的出现次数
86 }
87 String[] splited = line.split("\t");
88 for (String word : splited) {
89 context.write(new Text(word), new LongWritable(1));
90 }
91 };
92 }
93
94 /*
95 * KEYIN 即K2 表示行中出现的单词
96 * VALUEIN 即V2 表示出现的单词的次数
97 * KEYOUT 即K3 表示行中出现的不同单词
98 * VALUEOUT 即V3 表示行中出现的不同单词的总次数
99 */
100 static class MyReducer extends
101 Reducer<Text, LongWritable, Text, LongWritable> {
102 protected void reduce(Text k2, java.lang.Iterable v2s,
103 Context ctx) throws java.io.IOException,
104 InterruptedException {
105 long times = 0L;
106 for (LongWritable count : v2s) {
107 times += count.get();
108 }
109 ctx.write(k2, new LongWritable(times));
110 };
111 }
112 }

复制代码

在eclipse中运行后，可以在控制台查看到结果：

Combiner编程(1.5可选步骤，视情况而定！)
•每一个map可能会产生大量的输出，combiner的作用就是在map端对输出先做一次合并，以减少传输到reducer的数据量。
•combiner最基本是实现本地key的归并，combiner具有类似本地的reduce功能。 如果不用combiner，那么，所有的结果

都是reduce完成，效率会相对低下。使用combiner，先完成的map会在本地聚合，提升速度。
•注意：Combiner的输出是Reducer的输入，Combiner绝不能改变最终的计算结果。所以从我的想法来看，Combiner只应该

用于那种Reduce的输入key/value与输出key/value类型完全一致，且不影响最终结果的场景。比如累加，最大值等。

复制代码
1 package combine;
2
3 import java.net.URI;
4
5 import org.apache.hadoop.conf.Configuration;
6 import org.apache.hadoop.fs.FileSystem;
7 import org.apache.hadoop.fs.Path;
8 import org.apache.hadoop.io.LongWritable;
9 import org.apache.hadoop.io.Text;
10 import org.apache.hadoop.mapreduce.Job;
11 import org.apache.hadoop.mapreduce.Mapper;
12 import org.apache.hadoop.mapreduce.Reducer;
13 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
14 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
15
16 /**
17 * 问：为什么使用Combiner？
18 * 答：Combiner发生在Map端，对数据进行规约处理，数据量变小了，传送到reduce端的数据量变小了，传输时间变短，作业的整体时间变短。
19 *
20 * 问：为什么Combiner不作为MR运行的标配，而是可选步骤呢？
21 * 答：因为不是所有的算法都适合使用Combiner处理，例如求平均数。
22 *
23 * 问：Combiner本身已经执行了reduce操作，为什么在Reducer阶段还要执行reduce操作呢？
24 * 答：combiner操作发生在map端的，处理一个任务所接收的文件中的数据，不能跨map任务执行；只有reduce可以接收多个map任务处理的数据。
25 *
26 /
27 public class WordCountApp {
28 static final String INPUT_PATH = “hdfs://chaoren:9000/hello”;
29 static final String OUT_PATH = “hdfs://chaoren:9000/out”;
30
31 public static void main(String[] args) throws Exception {
32 Configuration conf = new Configuration();
33 final FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH), conf);
34 final Path outPath = new Path(OUT_PATH);
35 if(fileSystem.exists(outPath)){
36 fileSystem.delete(outPath, true);
37 }
38
39 final Job job = new Job(conf , WordCountApp.class.getSimpleName());
40 //1.1指定读取的文件位于哪里
41 FileInputFormat.setInputPaths(job, INPUT_PATH);
42 //指定如何对输入文件进行格式化，把输入文件每一行解析成键值对
43 //job.setInputFormatClass(TextInputFormat.class);
44
45 //1.2 指定自定义的map类
46 job.setMapperClass(MyMapper.class);
47 //map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致，则可以省略
48 //job.setMapOutputKeyClass(Text.class);
49 //job.setMapOutputValueClass(LongWritable.class);
50
51 //1.3 分区
52 //job.setPartitionerClass(HashPartitioner.class);
53 //有一个reduce任务运行
54 //job.setNumReduceTasks(1);
55
56 //1.4 TODO 排序、分组
57
58 //1.5 规约
59 job.setCombinerClass(MyCombiner.class);
60
61 //2.2 指定自定义reduce类
62 job.setReducerClass(MyReducer.class);
63 //指定reduce的输出类型
64 job.setOutputKeyClass(Text.class);
65 job.setOutputValueClass(LongWritable.class);
66
67 //2.3 指定写出到哪里
68 FileOutputFormat.setOutputPath(job, outPath);
69 //指定输出文件的格式化类
70 //job.setOutputFormatClass(TextOutputFormat.class);
71
72 //把job提交给JobTracker运行
73 job.waitForCompletion(true);
74 }
75
76 /*
77 * KEYIN 即k1 表示行的偏移量
78 * VALUEIN 即v1 表示行文本内容
79 * KEYOUT 即k2 表示行中出现的单词
80 * VALUEOUT 即v2 表示行中出现的单词的次数，固定值1
81 /
82 static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
83 protected void map(LongWritable k1, Text v1, Context context) throws java.io.IOException ,InterruptedException {
84 final String[] splited = v1.toString().split("\t");
85 for (String word : splited) {
86 context.write(new Text(word), new LongWritable(1));
87 System.out.println(“Mapper输出<”+word+","+1+">");
88 }
89 };
90 }
91
92 /*
93 * KEYIN 即k2 表示行中出现的单词
94 * VALUEIN 即v2 表示行中出现的单词的次数
95 * KEYOUT 即k3 表示文本中出现的不同单词
96 * VALUEOUT 即v3 表示文本中出现的不同单词的总次数
97 *
98 */
99 static class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
100 protected void reduce(Text k2, java.lang.Iterable v2s, Context ctx) throws java.io.IOException ,InterruptedException {
101 //显示次数表示redcue函数被调用了多少次，表示k2有多少个分组
102 System.out.println(“MyReducer输入分组<”+k2.toString()+",…>");
103 long times = 0L;
104 for (LongWritable count : v2s) {
105 times += count.get();
106 //显示次数表示输入的k2,v2的键值对数量
107 System.out.println(“MyReducer输入键值对<”+k2.toString()+","+count.get()+">");
108 }
109 ctx.write(k2, new LongWritable(times));
110 };
111 }
112
113
114 static class MyCombiner extends Reducer<Text, LongWritable, Text, LongWritable>{
115 protected void reduce(Text k2, java.lang.Iterable v2s, Context ctx) throws java.io.IOException ,InterruptedException {
116 //显示次数表示redcue函数被调用了多少次，表示k2有多少个分组
117 System.out.println(“Combiner输入分组<”+k2.toString()+",…>");
118 long times = 0L;
119 for (LongWritable count : v2s) {
120 times += count.get();
121 //显示次数表示输入的k2,v2的键值对数量
122 System.out.println(“Combiner输入键值对<”+k2.toString()+","+count.get()+">");
123 }
124
125 ctx.write(k2, new LongWritable(times));
126 //显示次数表示输出的k2,v2的键值对数量
127 System.out.println(“Combiner输出键值对<”+k2.toString()+","+times+">");
128 };
129 }
130 }

复制代码