MapReuce的combiner函数

概念

        每一个 map 都可能会产生大量的本地输出，Combiner 的作用就是对 map 端的输出先做一次合并，以减少在 map 和 reduce 节点之间的数据传输量，以提高网络IO 性能，是 MapReduce 的一种优化手段之一

特点总结：

1. Combiner是MR程序中Mapper和Reduce之外的⼀种组件

2. Combiner组件的⽗类就是Reducer

3. Combiner和Reducer之间的区别在于运⾏的位置

4. Reduce阶段的Reducer是每⼀个接收全局的Map Task 所输出的结果

5. Combiner是在合并排序后运⾏的。因此map端和reduce端都可以调⽤此函数。

 

6. Combiner的存在就是提⾼当前⽹络IO传输的性能，是MapReduce的⼀种优化⼿段。

7. Combiner在驱动类中的设置：

        job.setCombinerClass(MyCombiner.class);

注意：combiner不適合做求平均值这类需求，很可能就影响了结果

实现步骤

在这里以单词统计为例,实现Combiner

1、自定义一个 combiner 继承 Reducer，重写 reduce 方法

public class MyCombiner extends Reducer<Text,LongWritable,Text,LongWritable> {
 
     /*
       key : hello
       values: <1,1,1,1>
     */
 
    @Override
    protected void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {
 
        long count = 0;
 
        //1:遍历集合，将集合中的数字相加，得到 V3
        for (LongWritable value : values) {
            count += value.get();
        }
 
        //2:将K3和V3写入上下文中
        context.write(key, new LongWritable(count));
    }
}

2、在 job 中设置 job.setCombinerClass(CustomCombiner.class)

job.setCombinerClass(MyCombiner.class);

combiner 能够应用的前提是不能影响最终的业务逻辑，而且，combiner 的输出 kv 应该跟 reducer 的输入 kv 类型要对应起来

3、对使用Combiner之前和之后的日志进行对比

通过对比发现，使用Combiner之后，Reduce输入的键值对数量降低了，提供了网络传输效率。