Combiner_hadoop

package test3;
import java.net.URI;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
/**
 * 问：为什么使用Combiner？
 * 答：Combiner发生在Map端，对数据进行规约处理，数据量变小了，传送到reduce端的数据量变小了，传输时间变短，作业的整体时间变短。
 *
 * 问：为什么Combiner不作为MR运行的标配，而是可选步骤哪？ 答：因为不是所有的算法都适合使用Combiner处理，例如求平均数。
 *
 * 问：Combiner本身已经执行了reduce操作，为什么在Reducer阶段还要执行reduce操作哪？
 * 答：combiner操作发生在map端的，处理一个任务所接收的文件中的数据，不能跨map任务执行；只有reduce可以接收多个map任务处理的数据。
 *
 */
public class WordCountApp {
    static final String INPUT_PATH = "/user/grid/chenshenglong/make_five/word1";
    static final String OUT_PATH = "/user/grid/chenshenglong/make_six";
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        conf.set("fs.default.name", "hdfs://192.168.2.100:8020");
        final FileSystem fileSystem = FileSystem.get(conf);
        final Path outPath = new Path(OUT_PATH);
        if (fileSystem.exists(outPath)) {
            fileSystem.delete(outPath, true);
        }
        final Job job = new Job(conf, WordCountApp.class.getSimpleName());
        // 1.1指定读取的文件位于哪里
        FileInputFormat.setInputPaths(job, INPUT_PATH);
        // 指定如何对输入文件进行格式化，把输入文件每一行解析成键值对
        // job.setInputFormatClass(TextInputFormat.class);
        // 1.2 指定自定义的map类
        job.setMapperClass(MyMapper.class);
        // map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致，则可以省略
        // job.setMapOutputKeyClass(Text.class);
        // job.setMapOutputValueClass(LongWritable.class);
        // 1.3 分区
        // job.setPartitionerClass(HashPartitioner.class);
        // 有一个reduce任务运行
        // job.setNumReduceTasks(1);
        // 1.4 TODO 排序、分组
        // 1.5 规约
        job.setCombinerClass(MyCombiner.class);
        // 2.2 指定自定义reduce类
        job.setReducerClass(MyReducer.class);
        // 指定reduce的输出类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(LongWritable.class);
        // 2.3 指定写出到哪里
        FileOutputFormat.setOutputPath(job, outPath);
        // 指定输出文件的格式化类
        // job.setOutputFormatClass(TextOutputFormat.class);
        // 把job提交给JobTracker运行
        job.waitForCompletion(true);
    }
    /**
     * KEYIN 即k1 表示行的偏移量 VALUEIN 即v1 表示行文本内容 KEYOUT 即k2 表示行中出现的单词 VALUEOUT 即v2
     * 表示行中出现的单词的次数，固定值1
     */
    static class MyMapper extends
            Mapper<LongWritable, Text, Text, LongWritable> {
        protected void map(LongWritable k1, Text v1, Context context)
                throws java.io.IOException, InterruptedException {
        //  final String[] splited = v1.toString().split("\t");
            final String[] splited = v1.toString().split(" ");
            for (String word : splited) {
                context.write(new Text(word), new LongWritable(1));
                System.out.println("Mapper输出<" + word + "," + 1 + ">");
            }
        };
    }
    /**
     * KEYIN 即k2 表示行中出现的单词 VALUEIN 即v2 表示行中出现的单词的次数 KEYOUT 即k3 表示文本中出现的不同单词
     * VALUEOUT 即v3 表示文本中出现的不同单词的总次数
     *
     */
    static class MyReducer extends
            Reducer<Text, LongWritable, Text, LongWritable> {
        protected void reduce(Text k2, java.lang.Iterable<LongWritable> v2s,
                Context ctx) throws java.io.IOException, InterruptedException {
            // 显示次数表示redcue函数被调用了多少次，表示k2有多少个分组
            System.out.println("MyReducer输入分组<" + k2.toString() + ",...>");
            long times = 0L;
            for (LongWritable count : v2s) {
                times += count.get();
                // 显示次数表示输入的k2,v2的键值对数量
                System.out.println("MyReducer输入键值对<" + k2.toString() + ","
                        + count.get() + ">");
            }
            ctx.write(k2, new LongWritable(times));
        };
    }
    static class MyCombiner extends
            Reducer<Text, LongWritable, Text, LongWritable> {
        protected void reduce(Text k2, java.lang.Iterable<LongWritable> v2s,
                Context ctx) throws java.io.IOException, InterruptedException {
            // 显示次数表示redcue函数被调用了多少次，表示k2有多少个分组
            System.out.println("Combiner输入分组<" + k2.toString() + ",...>");
            long times = 0L;
            for (LongWritable count : v2s) {
                times += count.get();
                // 显示次数表示输入的k2,v2的键值对数量
                System.out.println("Combiner输入键值对<" + k2.toString() + ","
                        + count.get() + ">");
            }
            ctx.write(k2, new LongWritable(times));
            // 显示次数表示输出的k2,v2的键值对数量
            System.out.println("Combiner输出键值对<" + k2.toString() + "," + times
                    + ">");
        };
    }
}