MapReduce中的counter

 

当我们定义一个Counter时，我们首先要定义一枚举类型：

 public static enum MY_COUNTER{
   CORRUPTED_DATA_COUNTER,
   NORMAL_DATA_COUNTER
 };

  然后，我们就可以在mapper或reducer里面增加它的值：

 context.getCounter(MY_COUNTER.CORRUPTED_DATA_COUNTER).increment(1);

  我们在第（一）篇讲InputFormat时，我们有看到Mapper.class中的Context类是继承于MapContext类的，而MapContext又继承于TaskInputOutputContext，我们可以从TaskInputOutputContext的getCounter()方法看见，这个方法实际上是调用了StatusReporter的getCounter()方法，StatusReporter在后面谈到。

  接着，我们在提交job，waitForCompletion()方法等待job执行完后，就可以通过

 Counters counters = job.getCounters();
 Counter counter = counters.findCounter(MYCOUNTER.CORRUPTED_DATA_COUNTER);
 System.out.println(counter.getValue());

  这样就将我们想要输出的计数器输出来。如果在执行前企图输出，则会报：java.lang.IllegalStateException: Job in state DEFINE instead of RUNNING。

  Counter对应我们写的enum类型中的一个枚举常量，比如MY_COUNTER.CORRUTED_DATA_COUNTER，它由name，displayName和value表示，value是Counter当前计数值。Counter、CounterGroup和Counters都实现了Writable接口，由于Counter是全局的，所以它们的读写方法都是synchronized方法，以保证线程安全。

  CounterGroup对应我们写的enum类型，比如MY_COUNTER。CounterGroup有name，displayName，TreeMap类型的counters，以及一个ResourceBoundle bundle。counters存放的是enum里面的所有枚举常量对应的Counter。而bundle是用来本地化Counter的名字的。举个例子：src\mapred\org\apache\hadoop\mapred下有一个JobInProgress_Counter.properties文件，内容是这样的：

 # ResourceBundle properties file for job-level counters

 CounterGroupName=                  Job Counters

 NUM_FAILED_MAPS.name=              Failed map tasks
 NUM_FAILED_REDUCES.name=           Failed reduce tasks
 TOTAL_LAUNCHED_MAPS.name=          Launched map tasks
 TOTAL_LAUNCHED_REDUCES.name=       Launched reduce tasks
 OTHER_LOCAL_MAPS.name=             Other local map tasks
 DATA_LOCAL_MAPS.name=              Data-local map tasks
 RACK_LOCAL_MAPS.name=              Rack-local map tasks
 FALLOW_SLOTS_MILLIS_MAPS.name=     Total time spent by all maps waiting after reserving slots (ms)
 FALLOW_SLOTS_MILLIS_REDUCES.name=  Total time spent by all reduces waiting after reserving slots (ms)

它存放的是job级别的counters的本地化名字。形式是name = displayName。

这样，我们就可以每次利用name从改文件中读取displayName，使得当我们改变这个properties文件中的某个displayName的时候，不需要改动程序。

   Counters是一个Job的Counter最后的汇聚地，在分析Job类得时候，我们看到Job.getCounters()方法是用RunningJob得到的，而RunningJob是获取作业情况的一组接口。因为Counters会最终被JobTracker收集，要不断从TaskTracker收集并更新，因此它包含一个缓冲最近读的Counter的cache来进行优化，它还有一个存储Job的所有Counter的TreeMap。当我们使用findCounter((Enum<?> key)方法查找Counter时，它会先在cache中查找，如果没有找到，则会从TreeMap中查找并放入cache中。Counters还实现了Iterable接口，以支持对Counters的遍历。另外还提供了increase所有Counter的方法incrAllCounters()。