Hadoop中的Combiner实践

4t2eq

Combiner作用是合并Mapper的输出，Combiner的输出作为Reducer的输入，这样可以减少map任务和reducer任务之间的数据传输。

1、在Job中设置Combiner和不设置Combiner，观察Reducer输入情况

使用如下代码设置Combiner
job.setCombinerClass(MaxTemperatureReducer.class);

@Override
        public int run(String[] args) throws Exception {
                Job job = new Job();
                job.setJarByClass(MaxTemperature.class);
                job.setJobName("Max temperature");
                FileInputFormat.addInputPath(job, new Path(args[0]));
                FileOutputFormat.setOutputPath(job, new Path(args[1]));
                job.setMapperClass(MaxTemperatureMapper.class);
//                job.setCombinerClass(MaxTemperatureReducer.class); 是否设置Combiner
                job.setReducerClass(MaxTemperatureReducer.class);
                job.setOutputKeyClass(Text.class);
                job.setOutputValueClass(IntWritable.class);
               
                job.waitForCompletion(true);
               
                //输出任务完成情况
                System.out.println( "任务名称：" + job.getJobName() );
                System.out.println( "任务成功：" + ( job.isSuccessful()?"是":"否" ) );
                System.out.println( "输入行数：" + job.getCounters().findCounter("org.apache.hadoop.mapred.Task$Counter", "MAP_INPUT_RECORDS").getValue() );
                System.out.println( "输出行数：" + job.getCounters().findCounter("org.apache.hadoop.mapred.Task$Counter", "MAP_OUTPUT_RECORDS").getValue() );
                System.out.println( "输出行数：" + job.getCounters().findCounter("org.apache.hadoop.mapred.Task$Counter", "REDUCE_INPUT_RECORDS").getValue() );
               
                return job.isSuccessful() ? 0 : 1;
        }
2、以下是不设置Combiner的情况输出结果，Reducer输入行数与Mapper输出行数相等

任务名称：Max temperature
任务成功：是
MAP_INPUT_RECORDS输入行数：1207
MAP_OUTPUT_RECORDS行数：1190
REDUCE_INPUT_RECORDS行数：1190
任务开始：2015-04-24 14:26:00
任务结束：2015-04-24 14:26:03
任务耗时：0.04995 分钟

3、以下是设置Combiner的情况输出结果，经过Combiner后，Reducer输入行数大幅度减少。

任务名称：Max temperature
任务成功：是
MAP_INPUT_RECORDS输入行数：1207
MAP_OUTPUT_RECORDS行数：1190
REDUCE_INPUT_RECORDS行数：1
任务开始：2015-04-24 14:28:23
任务结束：2015-04-24 14:28:25
任务耗时：0.030966667 分钟