Hadoop实例学习(九)Combiner合并

---

什么是Combiner

MapReduce中的Combiner就是为了避免map任务和reduce任务之间的数据传输而设置的，Hadoop允许用户针对map task的输出指定一个合并函数。即为了减少传输到Reduce中的数据量。它主要是为了削减Mapper的输出从而减少网络带宽和Reducer之上的负载。通俗来说就是在Map之后，如果Map阶段不进行合并的话，到达reduce端的数据将是下面这种类型的：<a,1><a,1><a,1>,reducer要处理的工作量大，还要消耗大量的IO，reduce的数量是相对于map是更少的，所以可以把合并的工作交给map来做，这个工作就是combiner的工作，经过combiner之后的结果集是这样的：<a,3> <b,2>

Combiner工作机制如下:
<a,1><a,1><a,1>   --------->   <a,3>
<b,1><b,1>        --------->   <b,2>

本质

• Combiner是MR程序中Mapper和Reducer之外的一种组件。
• Combiner组件的父类就是Reducer。
• Combiner和Reducer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；
• Combiner的意义就是对每一个MapTask的输出进行局部汇总，以减少网络传输量。

实例

编写Mapper类

package Combiner;
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;
/**
 * @author 公羽
 * @time : 2020/11/4 22:25
 * @File : WcMapper.java
 */
public class WcMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

    Text k = new Text();
    IntWritable v = new IntWritable(1);

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        // 1 获取一行
        String line = value.toString();

        // 2 切割
        String[] words = line.split(" ");

        // 3 输出
        for (String word : words) {

            k.set(word);
            context.write(k, v);
        }
    }
}

编写Reducer类

package Combiner;
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

/**
 * @author 公羽
 * @time : 2020/11/4 22:25
 * @File : WcReducer.java
 */
public class WcReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

    int sum;
    IntWritable v = new IntWritable();

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {

        // 1 累加求和
        sum = 0;
        for (IntWritable count : values) {
            sum += count.get();
        }

        // 2 输出
        v.set(sum);
        context.write(key,v);
    }
}

编写Driver类

package Combiner;
import java.io.IOException;
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;
/**
 * @author 公羽
 * @time : 2020/11/4 22:26
 * @File : WcDriver.java
 */
public class WcDriver {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

        // 1 获取配置信息以及封装任务
        Configuration configuration = new Configuration();
        Job job = Job.getInstance(configuration);

        // 2 设置jar加载路径
        job.setJarByClass(WcDriver.class);

        // 3 设置map和reduce类
        job.setMapperClass(WcMapper.class);
        job.setReducerClass(WcReducer.class);

        // 4 设置map输出
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        //  !!!!!!!!!!!!!!!!!添加此行
        job.setCombinerClass(WcReducer.class);

        // 5 设置最终输出kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        // 6 设置输入和输出路径
        FileInputFormat.setInputPaths(job, new Path("E:\\hadoop\\Demo\\word_test.txt"));
        FileOutputFormat.setOutputPath(job, new Path("E:\\hadoop\\Demo\\output"));

        // 7 提交
        boolean result = job.waitForCompletion(true);

        System.exit(result ? 0 : 1);
    }
}

结果

在job.setCombinerClass(WcReducer.class);添加后可以明显的发现map和reduce的值变小,combine的值在增加,这体现了combine能减少IO并提升作业的执行性能但是在求平均数的场景下，会出现错误的结果