hadoop使用mapreduce统计词频_Combiner组件创建和使用演示

在Map阶段输出可能会产生大量相同的数据，例如 、 ……，势必会降低Reduce聚合阶段的执行效率。Combiner组件的作用就是对Map阶段的输出的重复数据先做一次合并计算，然后把新的(key，value)作为Reduce阶段的输入。图1描述的就是Combiner组件对Map的合并操作。

图1 Combiner组件的合并操作

Combiner组件是MapReduce程序中的一种重要的组件，如果想自定义Combiner，我们需要继承Reducer类，并且重写reduce()方法。接下来，我们针对词频统计案例编写一个Combiner组件，演示如何创建和使用Combiner组件，具体代码，如文件所示。

文件 WordCountCombiner.java

import java.io.IOException;

   import org.apache.hadoop.io.IntWritable;

   import org.apache.hadoop.io.Text;

   import org.apache.hadoop.mapreduce.Reducer;

   public class WordCountCombiner extends Reducer<Text, 

                     IntWritable, Text, IntWritable> {

     @Override

     protected void reduce(Text key, Iterable<IntWritable> values,

         Reducer<Text, IntWritable, Text, IntWritable>.Context 

             context) throws IOException, InterruptedException {

      // 局部汇总

      int count = 0;

      for (IntWritable v : values) {

        count += v.get();

      }

      context.write(key, new IntWritable(count));

    }

  }

文件是自定义Combiner类，它的作用就是将key相同的单词汇总(这与WordCountReducer类的reduce()方法相同，也可以直接指定WordCountReducer作为Combiner类)，另外还需要在主运行类中为Job设置Combiner组件即可，具体代码如下：

wcjob.setCombinerClass(WordCountCombiner.class);

小提示：

执行MapReduce程序，添加与不添加Combiner结果是一致的。通俗的讲，无论调用多少次Combiner，Reduce的输出结果都是一样的，因为Combiner组件不允许改变业务逻辑。