MapReduce高级篇——全局计数器

MapReduce Counter 计数器

概念

在执行MapReduce程序的时候，控制台输出日志中通常下面片段，可以发现输出信息中的核心词是counter,中文叫做计数器

在执行MapReduce城西过程中，许多时候，用户希望了解程序的运行情况，Hadoop中内置的计数器可以手机、统计程序运行中核心信息，帮助用户理解程序运行的情况，辅助用户诊断故障

这条分段信息，表示Map有2条数据记录输入、4条数据记录输出

内置计数器

Hadoop为每个MapReduce作业维护了一些内置的计数器，报告程序执行时各种信息指标，用户可以根据这些信息进行判断程序：执行逻辑是否合理、执行结果是否正确

Hadoop内置计数器根据功能进行分组（counter group），每隔分组包括若干个不同的计数器

Hadoop计数器都是MapReduce程序中全局的计数器，根MapReduce分布式运算没有关系，不是所谓的局部信息统计

内置counter group包括：MapReduce任务计时器[Map-Reduce Framework] 、文件系统计数器[File System Counters]、作业计数器[Job Counter]、输入文件计数器[File Input Format Counter] 、输出文件计数器[File Output Format Counter]

Map-Reduce Framewor

MapReduce任务计时器

该组计时器主要统计MapReduce框架执行中各个阶段的输入输入信息

计数器名字	说明
MAP_INPUT_RECORDS	所有mapper已处理的输入记录数
MAP_OUTPUT_RECORDS	所有mapper产生的输出记录数
MAP_OUTPUT_BYTES	所有mapper产生的未压缩的输出数据字节数
COMBINE_INPUT_RECORDS	所有combiner（如果有） 已经处理的输入记录数
COMBINE_OUT_RECORDS	所有combiner（如果有） 已经产生的输入记录数

与Reduce相关的

计数器名字	说明
REDUCE_INPUT_GROUPS	所有reducer已处理分组的个数
REDUCE_INPUT_RECORDS	所有reducer已经处理的输入记录的个数，每当某个reducer的迭代器读一个值时，该计数器的值就会增加
REDUCE_OUTPUT_RECORDS	所有reducer输出记录数
REDUCE_SHUFFLE_BYTES	Shuffle时复制到reduce的字节数

File System Counters

文件系统的计数器会针对不同的文件系统使用情况进行统计，比如HDFS、本地文件系统

就比如说FILE指的就是本地文件系统，HDFS表示HDFS文件存储系统

相关说明：

计数器名字	说明
BYTE_READ	程序从文件系统中读取的字节数
BYTES_WRITEN	程序往文件系统中协入的字节数
READ_OPS	文件系统中进行的读操作的数量
LARGE_READ_OPS	文件系统中进行的大规模读操作的数量
WRITE_OPS	文件系统中进行写操作的数量(例如CREATE操作、append操作)

Job Counter

主要记录MapReduce任务启动的task情况，包括：个数、使用资源情况等

File Input/Output Format Counters

主要记录读了多少数据，写了多少数据

自定义计数器

Hadoop内置的计数器还是比较全面的，给作业运行过程的监控带来了方便，但是对于一些业务中的特定要求，比如统计程序执行中某种情况出现的次数统计，内置无法实现，因此MapReduce提供了用户编写自定义计数器的方法。最重要的是计数器是全局统计的，避免了用户自己维护全局变量的不利性。

自定义计数器的使用

通过context.getCounter方法获取一个全局计数器，创建的时候要指定计数器所属的组名核计数器的名字

package MapReduceTest;

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

import java.io.IOException;
import java.util.Arrays;

/**
 * @author wxk
 */
public class WordMapper extends Mapper<LongWritable, Text,Text,LongWritable> {
    private Text keyOut =new Text();
    private final LongWritable out=new LongWritable(1);


    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //自定义指针，组为wxk_counter 名称为 one_character Counter
        Counter counter = context.getCounter("wxk_counter","one_character Counter");
        String [] worlds = value.toString().split("\\s+");
        System.out.println(Arrays.toString(worlds));
        for (String word : worlds){
            // 判断长度是否为1，如果为1则计数器就加1
            if (word.length() == 1){
                //Counter提供的增加方法
                counter.increment(1);
            }
            keyOut.set(word);
            context.write(keyOut,out);
        }
    }
}

输出结果：

查看打印日志：

为了验证是否全局，这里将输入文件复制一份，如果是全局的，那么我们得到的one_chararcter Counter 的值应该为：

可见计数器在这个过程中是全局的