Hadoop Combiner组件

1、Combiner的作用是把一个map产生的多个（key，value）合并成一个新的（key，value），然后再将新的（key，value）作为reduce的输入
2、在map函数与reduce函数多了一个combine函数，目的是为了减少map输出的中间结果，这样减少了reduce复制map输出的数据，减少网络传输负载。
3、并不是所有情况下都能使用Combiner，Combiner使用于对记录的汇总的场景（如求和），但是求平均数的场景就不能使用了。
Combiner组件是针对每一个map进行局部处理。。。。

什么时候运行Combiner：
1、当job设置了Combiner，并且spill（ 达到溢写阈值后就会写入到磁盘中）的个数达到min.num.spill.for.combine（默认是3）的时候，那么combiner就会在Merge（Merge将许多小的spill文件合并成一个更大的spill文件）之前执行
2、但是有的情况下，Merge开始执行，但spill文件的个数没有达到需求，这个时候Combiner可能会在Merge之后运行
3、Combiner也有可能不运行，Combiner会考虑当时集群的一个负载情况

Combiner不运行，
定义MyMapper.java

package com.mr;

import java.io.IOException;

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

public class MyMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

    private IntWritable one = new IntWritable(1) ;
    @Override
    protected void map(LongWritable key, Text value,
            org.apache.hadoop.mapreduce.Mapper.Context context)
            throws IOException, InterruptedException {
        String[] s = value.toString().split("\\s+") ;
        for(String str : s){
            context.write(new Text(str), one) ;
        }
    }

}

定义MyCombiner.java

package com.mr;

import java.io.IOException;

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

public class MyCombiner extends Reducer<Text,IntWritable,Text,IntWritable>{

    @Override
    protected void reduce(Text key, Iterable<IntWritable> value,Context context)
            throws IOException, InterruptedException {
        int sum = 0 ;
        for(IntWritable val : value){
            sum += val.get() ;
        }

        context.write(key, new IntWritable(sum)) ;
    }
}

定义TestCombiner.java

package com.mr;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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 org.apache.hadoop.util.GenericOptionsParser;

public class TestCombiner {
    public static void main(String args[])throws Exception{
        Configuration conf = new Configuration();
        String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
        if (otherArgs.length != 2) {
          System.err.println("Usage: wordcount <in> <out>");
          System.exit(2);
        }
        Job job = new Job(conf, "word count");
        job.setJarByClass(TestCombiner.class);
        job.setMapperClass(MyMapper.class);
        job.setCombinerClass(MyCombiner.class);//Combiner根本没有执行。。。
//      job.setReducerClass(IntSumReducer.class);
        job.setNumReduceTasks(0) ;

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);


        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

Combiner运行。。。。
TestCombiner.java代码如下：

package com.mr;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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 org.apache.hadoop.mapreduce.lib.reduce.IntSumReducer;
import org.apache.hadoop.util.GenericOptionsParser;

public class TestCombiner {
    public static void main(String args[])throws Exception{
        Configuration conf = new Configuration();
        String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
        if (otherArgs.length != 2) {
          System.err.println("Usage: wordcount <in> <out>");
          System.exit(2);
        }
        Job job = new Job(conf, "word count");
        job.setJarByClass(TestCombiner.class);
        job.setMapperClass(MyMapper.class);
        job.setCombinerClass(MyCombiner.class);//Combiner执行。。。
        job.setReducerClass(IntSumReducer.class);
//      job.setNumReduceTasks(0) ;

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);


        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}