Hadoop Combiner

转自：http://blog.csdn.net/jokes000/article/details/7072963

众所周知，Hadoop框架使用Mapper将数据处理成一个<key,value>键值对，再网络节点间对其进行整理(shuffle)，然后使用Reducer处理数据并进行最终输出。

在上述过程中，我们看到至少两个性能瓶颈：

1. 如果我们有10亿个数据，Mapper会生成10亿个键值对在网络间进行传输，但如果我们只是对数据求最大值，那么很明显的Mapper只需要输出它所知道的最大值即可。这样做不仅可以减轻网络压力，同样也可以大幅度提高程序效率。
2. 使用专利中的国家一项来阐述数据倾斜这 个定义。这样的数据远远不是一致性的或者说平衡分布的，由于大多数专利的国家都属于美国，这样不仅Mapper中的键值对、中间阶段(shuffle)的 键值对等，大多数的键值对最终会聚集于一个单一的Reducer之上，压倒这个Reducer，从而大大降低程序的性能。

Hadoop通过使用一个介于Mapper和Reducer之间的Combiner步骤来解决上述瓶颈。你可以将Combiner视为Reducer的一个帮手，它主要是为了削减Mapper的输出从而减少网

络带宽和Reducer之上的负载。如果我们定义一个Combiner，MapReducer框架会对中间数据多次地使用它进行处理。

如果Reducer只运行简单的分布式方法，例如最大值、最小值、或者计数，那么我们可以让Reducer自己作为Combiner。但许多有用的方法不是分布式的。以下我们使用求平均值作为例子进行讲解：

Mapper输出它所处理的键值对，为了使单个DataNode计算平均值Reducer会对它收到的<key,value>键值对进行排序，求和。

由于Reducer将它所收到的<key,value>键值的数目视为输入数据中的<key,value>键值对的数目，此时使用Combiner的主要障碍就是计数操作。我们可以重写MapReduce程序来明确的跟踪计数过程。

代码如下：

[java] view plaincopy

1. package com;
2. import java.io.IOException;
3. import org.apache.hadoop.conf.Configuration;
4. import org.apache.hadoop.conf.Configured;
5. import org.apache.hadoop.fs.Path;
6. import org.apache.hadoop.io.DoubleWritable;
7. import org.apache.hadoop.io.LongWritable;
8. import org.apache.hadoop.io.Text;
9. import org.apache.hadoop.mapreduce.Job;
10. import org.apache.hadoop.mapreduce.Mapper;
11. import org.apache.hadoop.mapreduce.Reducer;
12. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
13. import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
14. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
15. import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
16. import org.apache.hadoop.util.Tool;
17. import org.apache.hadoop.util.ToolRunner;
18. public class AveragingWithCombiner extends Configured implements Tool {
19. public static class MapClass extends Mapper<LongWritable,Text,Text,Text> {
20. static enum ClaimsCounters { MISSING, QUOTED };
21. // Map Method
22. public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
23. String fields[] = value.toString().split(",", -20);
24. String country = fields[4];
25. String numClaims = fields[8];
26. if (numClaims.length() > 0 && !numClaims.startsWith("\"")) {
27. context.write(new Text(country), new Text(numClaims + ",1"));
28. }
29. }
30. }
31. public static class Reduce extends Reducer<Text,Text,Text,DoubleWritable> {
32. // Reduce Method
33. public void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
34. double sum = 0;
35. int count = 0;
36. for (Text value : values) {
37. String fields[] = value.toString().split(",");
38. sum += Double.parseDouble(fields[0]);
39. count += Integer.parseInt(fields[1]);
40. }
41. context.write(key, new DoubleWritable(sum/count));
42. }
43. }
44. public static class Combine extends Reducer<Text,Text,Text,Text> {
45. // Reduce Method
46. public void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
47. double sum = 0;
48. int count = 0;
49. for (Text value : values) {
50. String fields[] = value.toString().split(",");
51. sum += Double.parseDouble(fields[0]);
52. count += Integer.parseInt(fields[1]);
53. }
54. context.write(key, new Text(sum+","+count));
55. }
56. }
57. // run Method
58. public int run(String[] args) throws Exception {
59. // Create and Run the Job
60. Job job = new Job();
61. job.setJarByClass(AveragingWithCombiner.class);
62. FileInputFormat.addInputPath(job, new Path(args[0]));
63. FileOutputFormat.setOutputPath(job, new Path(args[1]));
64. job.setJobName("AveragingWithCombiner");
65. job.setMapperClass(MapClass.class);
66. job.setCombinerClass(Combine.class);
67. job.setReducerClass(Reduce.class);
68. job.setInputFormatClass(TextInputFormat.class);
69. job.setOutputFormatClass(TextOutputFormat.class);
70. job.setOutputKeyClass(Text.class);
71. job.setOutputValueClass(Text.class);
72. System.exit(job.waitForCompletion(true) ? 0 : 1);
73. return 0;
74. }
75. public static void main(String[] args) throws Exception {
76. int res = ToolRunner.run(new Configuration(), new AveragingWithCombiner(), args);
77. System.exit(res);
78. }
79. }