【hadoop】Hadoop学习笔记（三）：Combiner funcitons

很多MapReduce程序受限于集群上可用的带宽，所以它会尽力最小化需要在map和reduce任务之间传输的中间数据。Hadoop允许用户声明一个combiner function来处理map的输出，同时把自己对map的处理结果作为reduce的输入。因为combiner function本身只是一种优化，hadoop并不保证对于某个map输出，这个方法会被调用多少次。换句话说，不管combiner function被调用多少次，对应的reduce输出结果都应该是一样的。

　　下面我们以学习笔记（一）中的例子来加以说明，假设1950年的天气数据读取是由两个map完成的，其中第一个map的输出如下：　
　　(1950, 0)
　　(1950, 20)
　　(1950, 10)

第二个map的输出为：
(1950, 25)
(1950, 15)

而reduce得到的输入为：(1950, [0, 20, 10, 25, 15])， 输出为：(1950, 25)

　　由于25是集合中的最大值，我们可以使用一个类似于reduce function的combiner function来找出每个map输出中的最大值，这样的话，reduce的输入就变成了：
　　(1950, [20, 25])

　　各个funciton 对温度值的处理过程可以表示如下：max(0, 20, 10, 25, 15) = max(max(0, 20, 10), max(25, 15)) = max(20, 25) = 25

　　注意：并不是所有的函数都拥有这个属性的（有这个属性的函数我们称之为commutative和associative），例如，如果我们要计算平均温度，就不能这样使用combiner function，因为mean(0, 20, 10, 25, 15) = 14，而mean(mean(0, 20, 10), mean(25, 15)) = mean(10, 20) = 15

　　combiner function并不能取代reduce function（因为仍然需要reduce function处理来自不同map的带有相同key的记录）。但是他可以帮助减少需要在map和reduce之间传输的数据，就为这一点combiner function就值得考虑使用。

　　声明combiner function

　　现在我们回到学习笔记（一）中的mapreduce程序，对于这个程序来说，combiner的实现同reducer 的实现是一样的，唯一的改变就是在Job中设置一下Combiner的具体实现类（也就是reducer类，代码见下面下划线部分）。　　

 1 public class MaxTemperatureWithCombiner {
 2   public static void main(String[] args) throws Exception {
 3     if (args.length != 2) {
 4        System.err.println("Usage: MaxTemperatureWithCombiner <input path> " +
 5              "<output path>");
 6        System.exit(-1);
 7     }
 8     Job job = new Job();
 9     job.setJarByClass(MaxTemperatureWithCombiner.class);
10     job.setJobName("Max temperature");
11 
12     FileInputFormat.addInputPath(job, new Path(args[0]));
13     FileOutputFormat.setOutputPath(job, new Path(args[1]));
14 
15     job.setMapperClass(MaxTemperatureMapper.class);
16     job.setCombinerClass(MaxTemperatureReducer.class); 17     job.setReducerClass(MaxTemperatureReducer.class);
18 
19     job.setOutputKeyClass(Text.class);
20     job.setOutputValueClass(IntWritable.class);
21 
22     System.exit(job.waitForCompletion(true) ? 0 : 1);
23   }
24 }

 转载请注明出处：http://www.cnblogs.com/beanmoon/archive/2012/12/09/2805684.html