MapReducer之Combiner(归约处理)
Commbiner相当于本地的Reducer计算模式,但是并不是所有场合都适合,总结一下都是什么场合适合用。
作用
因为Map产生了太多的输出,为了减少RPC传输,在本地进行一次类似于Reduce操作,进行累加,再将累加的值传给Reduce。
注意:因为Combiner是可插拔的,所以添加Combiner不能影响最终的计算机过,Combiner应该适用于那些,Reduce输入和输出key/value类型完全一致的,且不影响最终结果的。
WordCount实例
public class TestCombinerForAvgMR {
//Map对不同文件不同月份进行统计
public static class ForMapextends Mapper {
Textokey =new Text();
AvgEntityavgEntity =new AvgEntity();
@Override
protected void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {
String []line = value.toString().split(" ");
okey.set(line[0]);
avgEntity.setCount(1);
avgEntity.setSum(Integer.parseInt(line[1]));
context.write(okey,avgEntity);
}
}
//Combiner对每个月份的进行累加
public static class ForCombinextends Reducer {
@Override
protected void reduce(Text key, Iterable values, Context context)throws IOException, InterruptedException {
int sum =0;
int count =0;
for (AvgEntity avgEntity:values){
sum += avgEntity.getSum();
count += avgEntity.getCount();
}
AvgEntity avgEntity =new AvgEntity();
avgEntity.setSum(sum);
avgEntity.setCount(count);
context.write(key,avgEntity);
}
}
//将月份合并进行累加,做除法
public static class ForReduceextends Reducer{
@Override
protected void reduce(Text key, Iterable values, Context context)throws IOException, InterruptedException {
int sum =0;
int count =0;
for(AvgEntity avgEntity : values){
sum += avgEntity.getCount();
count += avgEntity.getSum();
}
context.write(key,new IntWritable(sum/count));
}
}
public static void main(String[] args)throws IOException, ClassNotFoundException, InterruptedException {
Job job = Job.getInstance(new Configuration());
job.setMapperClass(ForMap.class);
job.setReducerClass(ForReduce.class);
job.setCombinerClass(ForCombin.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(AvgEntity.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.setInputPaths(job,new Path("目录"));
FileOutputFormat.setOutputPath(job,new Path("目录"));
job.waitForCompletion(true);
}
问题总结
1.为什么需要在Mapper端进行归约处理
因为在Mapper进行归约后,数据量变小了,这样再通过网络传输时,传输时间就变短了,减少了整个作业的运行时间。
2.为什么可以在Mapper端进行归约处理
因为Reducer端接收的数据就是来自于Mapper端。我们在Mapper进行归约处理,无非就是把归约操作提前到Mapper端做而已。
3.既然在Mapper端进行了归约处理,为什么还要在Reducer端进行处理。
因为Mapper端只处理了本节点的数据,而Reduce端处理的是来自多个Mapper端的数据,因此有些在Mapper端不能归约的数据,在Reducer端可以进行归约。
4.求平均数(SVG)的非关联操作场景如何减少I/O传输量
更改Mapper端使其输出两列数据分别是数值个数count和平均数avg,这样在Reducer端累加count作为总的数值个数,输出计数和平均值。