MapReduce： combiner

1、什么是combiner？

combiner就是规约操作，通过对map输出的数量进行规约，可以减少reduce的数量，提高执行效率combiner的输入输出类型必须和mapper的输出以及reducer的输入类型一致

2、什么情况要使用 combiner，什么情况不使用？

求平均数的时候就不需要用combiner，因为不会减少reduce执行数量。在其他的时候，可以依据情况，使用combiner，来减少map的输出数量，减少拷贝到reduce的文件，从而减轻reduce的压力，节省网络开销，提升执行效率

3、combine出现在哪个过程

map阶段的最后一个过程。

4、combine代码实现

/*** * * <p>Description: 减少Reduce的压力，设置在job.setCombinerClass(WordCountReducer.class);中</p> * @author 余辉 * @date 2016年3月14日下午4:31:10 * @version 1.0 */
public class WordCountCombiner extends Reducer<Text, IntWritable, Text, IntWritable>{

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        //定义一个计数器
        int count = 0;
        //遍历这一组kv的所有v，累加到count中
        for(IntWritable value:values){
            count += value.get();
        }
        context.write(key, new IntWritable(count));

    }


}

public class WordCountRunner {

    static class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{


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

            String line = value.toString();

            String[] words = StringUtils.split(line, " ");

            for(String word : words){
                context.write(new Text(word), new IntWritable(1));
            }

        }
    }


    static class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

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

            int counter = 0;

            for(IntWritable value:values){

                //累加每一个value
                counter += value.get();

            }

            context.write(key, new IntWritable(counter));
        }   

    }


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

        //封装任务信息的对象为Job对象,所以要先构造一个Job对象
                Configuration conf = new Configuration();
                Job job = Job.getInstance(conf);

                //设置本次job作业所在的jar包
                job.setJarByClass(WordCountRunner.class);

                //本次job作业使用的mapper类是哪个？
                job.setMapperClass(WordCountMapper.class);
                //本次job作业使用的reducer类是哪个？
                job.setReducerClass(WordCountReducer.class);

                //指定自定义的combiner类
                job.setCombinerClass(WordCountReducer.class);


                //本次job作业mapper类的输出数据key类型
                job.setMapOutputKeyClass(Text.class);
                //本次job作业mapper类的输出数据value类型
                job.setMapOutputValueClass(IntWritable.class);

                //本次job作业reducer类的输出数据key类型
                job.setOutputKeyClass(Text.class);
                //本次job作业reducer类的输出数据value类型
                job.setOutputValueClass(IntWritable.class);

                //本次job作业要处理的原始数据所在的路径
                FileInputFormat.setInputPaths(job,  new Path("/home/hadoop/Desktop/input"));
                //本次job作业产生的结果输出路径
                FileOutputFormat.setOutputPath(job, new Path("/home/hadoop/Desktop/output"));       
                //提交本次作业
                job.waitForCompletion(true);


    }

}