pageadmin做网站要钱吗,成品app直播源码,微信公众号对接网站做,旅行社网页设计文章目录 #xff08;103#xff09;Combiner概述什么是CombinerCombiner有什么用处Combiner有什么特点如何自定义Combiner #xff08;104#xff09;Combiner合并案例实操如何从日志里查看Combiner如果不存在Reduce阶段#xff0c;会发生什么自定义Combiner的两种方式 参… 文章目录 103Combiner概述什么是CombinerCombiner有什么用处Combiner有什么特点如何自定义Combiner 104Combiner合并案例实操如何从日志里查看Combiner如果不存在Reduce阶段会发生什么自定义Combiner的两种方式 参考文献 103Combiner概述
什么是Combiner
Combiner即合并是MR里shuffle的一项可选流程位于Map阶段和Reduce阶段之间是MR中除Mapper和Reducer之外的一种组件但并不是默认存在的组件其可有也可无。
Combiner有什么用处
主要是用来减少数据量。
比如说在WordCount的案例里我们可以针对像(a,1)、(a,1)、(a,1)这种完全一样的数据启用Combiner进行一个简单的聚合即转换成(a,3)这样的数据。这样做的好处很明显就是大大减少了输入到Reduce的数据量以上面例子为例3条数据直接变成了1条从而减少了reduce处理的资源压力。
之前大概提过它的使用场景有两个地方
第一个场景是mapper每次溢写到磁盘的时候每当溢写的时候就可以进行Combiner操作。每个分区内部就开始简单合并。
第二个场景是在单个MapTask的所有或部分的map()都溢写完成后会有一个归并操作将所有溢写的文件进行分区归并待合并完成后同样可以对每个分区进行一个Combiner操作减少数据量。
Combiner有什么特点
汇总下Combiner一些特点
Combiner的父类是Reducer即它继承的就是Reducer类Combiner和Reducer的区别就在于运行的位置Combiner是在每一个MapTask所在的节点上运行Reducer是接收所有Mapper的输出Combiner的意义就是对每一个MapTask或者说是对自己所在的MapTask的输出进行局部汇总以减少网络传输量。并不是所有的场景都可以使用Combiner具体区别可以再摸索下主要是不能影响最终的业务逻辑。
因此我们可以这么说 Combiner就是运行在一个MapTask上的Reducer即局部汇总而真正的Reducer是可以面向所有MapTask的。
另外如何理解不能影响最终的业务逻辑这句话呢
比如说当前的业务逻辑是算输入数据的平均值那我提前对每个MapTask做Combiner来计算每个MapTask的平均值然后把结果传给Reducer来计算全部MapTask的平均值这样子可以吗
这当然是不行的。
假设两个MapTask一个接收数字3、57另一个接收数字2和6分别计算平均值那就是5和4再传进Reducer计算平均值54/24.5。
但是其实(35726)/5 4.6上面结果算的明显不对。
所以 是否可以使用Combiner以及使用什么样的Combiner都得以不影响最终业务逻辑为前提不能随便应用。
如何自定义Combiner
如何自定义Combiner
继承Reducer类重写Reduce()就可以。
public class WordCountCombiner extends ReducerText, IntWritable, Text, IntWritable {private IntWritable outV new IntWritable();Overrideprotected void reduce(Text key, IterableIntWritable values, Context context) throws IOException, InterruptedException {int sum 0;for (IntWritable value : values) {sum value.get();}outV.set(sum);context.write(key,outV);}
}最后在驱动器里注册
job.setCombinerClass(WordCountCombiner.class);104Combiner合并案例实操
如何从日志里查看Combiner
如何从打印的日志里来查看Combiner的详情呢
打印的日志里有一个Map-Reduce Framework区域如下图红色框出来的部分就是combine的运行结果。
combine input records代表输入到Combiner的数据行数combine output records则表示经过Combiner处理后输出的数据行数。
下图左边表示未启用自定义Combiner时的输出结果右边表示启用自定义Combiner后的输出结果。
可以看到启用前Reduce shuffle bytes是156字节启用后是66字节说明数据在传到reduce前经过了自定义Combiner的处理数据量减小了。 如果不存在Reduce阶段会发生什么
如果没有Reduce阶段就不需要设置Combiner了。
如果我们在驱动类里设置job.setNumReduceTasks(0)即取消Reduce阶段那么Combiner还会生效么
答案是不会Hadoop会将mapper的处理结果作为输出持久化到文件。以WordCount案例为例我们最终在文件里看到的就是:
a,1
b,1
a,1
....为什么会这样呢
是因为Combiner是存在于Mapper和Reducer之间的shuffle阶段如果没有reduce的话那么Reducer阶段不存在所以整个shuffle阶段也就不存在了Hadoop会直接将Mapper的处理结果导出。
自定义Combiner的两种方式
还是以WordCount来举例吧。
第一种方式增加一个WordCountCombiner来继承Reducer这个上一小节其实讲过了
package com.atguigu.mapreduce.combiner;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;public class WordCountCombiner extends ReducerText, IntWritable, Text, IntWritable {private IntWritable outV new IntWritable();Overrideprotected void reduce(Text key, IterableIntWritable values, Context context) throws IOException, InterruptedException {int sum 0;for (IntWritable value : values) {sum value.get();}//封装outKVoutV.set(sum);//写出outKVcontext.write(key,outV);}
}然后在驱动类里声明
// 指定需要使用combiner以及用哪个类作为combiner的逻辑
job.setCombinerClass(WordCountCombiner.class);但是
实际上如果你看过教程里的代码会发现我们自定义的这个Combiner里面的reduce()跟我们自定义的WordCountReducer类的reduce()一模一样甚至整个类都是一样的因为所谓的Combiner就是运行在单个MapTask的Reducer再加上我们的业务要求处理逻辑自然完全一致。
所以在这种情况下我们根本不需要再定义一个Combiner类直接使用自定义Reducer类来声明就可以。
这就是第二种方案即我们只需要在驱动类里直接这么写
// 指定需要使用Combiner以及用哪个类作为Combiner的逻辑
job.setCombinerClass(WordCountReducer.class);齐活简直完美。
参考文献
【尚硅谷大数据Hadoop教程hadoop3.x搭建到集群调优百万播放】
