Hadoop Combiner合并

作者为新手小白，只为记录学习&交流
如任何读者有任何正面建议，欢迎留言&私信，不胜感激
内容原创 侵删致歉
2020年4月12日20:02:42

本文记录作者在Hadoop学习过程中对Combiner合并的理解

Combiner合并

(1) Combiner 是MR程序中Mapper和Reducer之外的一种组件。
(2) Combiner组件的父类就 是Reducer。
(3) Combiner和R educer的区别在于运行的位置
Combiner是在每一-个MapTask所在的节点运行;Reducer是接收全局所有Mapper的输出结果;
(4) Combiner的意义就是对每一个Map Task的输出进行局部汇总,以减小网络传输量。
(5) Combiner能够 应用的前提是不能影响最终的业务逻辑，而且，Combiner的输出kv应该跟R educer的输入kv类型要对应起来。

也就是说： Combiner是在map结束阶段对map的结果进行一次局部reduce，但是并不能改变map的输出结果。所以即使和真正的reduce阶段执行的任务相同也不能在Driver类中直接指定Combiner类为Reducer。除非map和reduce阶段的输入输出类型完全相同

Combiner的作用（个人理解）

由于是大数据，可能处理数以亿级的数据量，那么在map阶段每个map都会产生数量巨大的K-V值，对应会产生大量的IO操作，Combiner就是为了减少IO操作，可以理解为在map结束时先进行一次reduce

任务描述

统计全球每年的最高气温和最低气温。输出结果包含年份、最高气温、最低气温

开发环境

OS： Win10
Hadoop版本： Hadoop-3.1.2
IDE： Intelij IDEA

开始

新建五个类

Temp类

自定义序列化类型原理，不懂得可以看这边文章，这是我关于序列化的一些心得

package com.hadoop.Combiner;

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

public class Temp implements Writable {
    private double maxtemp;
    private double mintemp;

    public Temp() {
    }

    @Override
    public String toString() {
        return "MaxTemperature:"+maxtemp+'\t'+"Mintemperature:"+mintemp;
    }

    public double getMaxtemp() {
        return maxtemp;
    }

    public void setMaxtemp(double maxtemp) {
        this.maxtemp = maxtemp;
    }

    public double getMintemp() {
        return mintemp;
    }

    public void setMintemp(double mintemp) {
        this.mintemp = mintemp;
    }

    /**
     *
     * @param dataOutput
     * @throws IOException
     */
    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeDouble(maxtemp);
        dataOutput.writeDouble(mintemp);
    }

    /**
     *
     * @param dataInput
     * @throws IOException
     */
    @Override
    public void readFields(DataInput dataInput) throws IOException {
        maxtemp=dataInput.readDouble();
        mintemp=dataInput.readDouble();
    }
}

Combiner类

只有最高温度和最低温度才对我们有用，所以我们在Combiner阶段提取出每个map的最高温度和最低温度

package com.hadoop.Combiner;

import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class TempCombiner extends Reducer<Text, DoubleWritable,Text,DoubleWritable> {
    @Override
    protected void reduce(Text key, Iterable<DoubleWritable> values, Context context) throws IOException, InterruptedException {
        double maxtemp=0;
        double mintemp=999;
        for (DoubleWritable value : values) {
            if(value.get()>maxtemp){
                maxtemp=value.get();
            }
            if (value.get()<mintemp){
                mintemp=value.get();
            }
        }
        context.write(key,new DoubleWritable(maxtemp));
        context.write(key,new DoubleWritable(mintemp));

    }
}

注意： 这里虽然和reducer的过程一样，但是由于输出类型必须和mapper一直所以需要单独写！

Mapper类

package com.hadoop.Combiner;

import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

public class TempMapper extends Mapper<LongWritable, Text,Text, DoubleWritable> {

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line=value.toString();
//        由于源数据的分割方式是不同个数的空格，用正则表达式可以直接切
        String[] data=line.split("\\s+");
//        获取年份信息
        String year=data[2].substring(0,4);
//        获取温度信息
        Double tempdata= Double.parseDouble(data[3]);
        context.write(new Text(year),new DoubleWritable(tempdata));

    }
}

Reducer类

package com.hadoop.Combiner;

import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class TempReducer extends Reducer<Text, DoubleWritable,Text,Text> {
    @Override
    protected void reduce(Text key, Iterable<DoubleWritable> values, Context context) throws IOException, InterruptedException {
        Temp temp = new Temp();
        double maxtemp=0;
        double mintemp=999;
        for (DoubleWritable value : values) {
            if(value.get()>maxtemp){
                maxtemp=value.get();
            }
            if (value.get()<mintemp){
                mintemp=value.get();
            }
        }
        temp.setMaxtemp(maxtemp);
        temp.setMintemp(mintemp);
//        我将Temp的toString内容作为结果输出
        context.write(key,new Text(temp.toString()));
    }
}

Driver类

package com.hadoop.Combiner;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;


import java.io.IOException;

public class TempDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Job job = Job.getInstance(new Configuration());
        job.setJarByClass(TempDriver.class);
        job.setMapperClass(TempMapper.class);
        job.setReducerClass(TempReducer.class);
        job.setCombinerClass(TempCombiner.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(DoubleWritable.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        FileInputFormat.setInputPaths(job, new Path("E:\\athadoop\\Temperature\\input"));
        FileOutputFormat.setOutputPath(job, new Path("E:\\athadoop\\Temperature\\output"));
        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : 1);
    }
}

输出结果

后记

至此为本人对Hadoop Combiner合并 全部理解内容，欢迎大家在留言处给予建议或指出不足，感谢！

内容原创 侵删致歉
欢迎访问作者主页查看更多相关文章，大家一起学习一起进步！