学习笔记：MapReduce计数器

一. 计数器

计数器时收集作业，学习计数器可以帮助我们深入学习MapReduce原理，益处多多。

二. 计数器分类。

• 内置计数器
  • 任务计数器
  • 作业计数器
• 自定义计数器
  • java计数器
  • streaming计数器

三. 内置计数器

内置计数器主要包含5类，分别如下：

• MapReduce计数器
• 文件系统计数器
• FileInputFormat计数器
• FileoutputFormat计数器
• 作业计数器
  对应运行结果中的相关技术。
  
  
  任务计数器在任务运行过程中更新，由相关联的任务统计，然后发送数组到AM；作业计数器由AM维护。

1. 任务计数器

在任务执行过程中，任务计数器采集任务的相关信息，每个作业的所有任务的结果会被聚集起来。例如，MAP_INPUT_RECORDS 计数器统计每个map任务输入记录的总数，并在一个作业的所有map任务上进行聚集，使得最终数字是整个作业的所有输入记录的总数。任务计数器的值每次都是完整传输的，而非传输自上次传输以后的计数值。以下为计数器列表：
（详细列表见：链接）

1. MapReduce任务计数器

英文相关字段	计数器名称	说明
MAP_INPUT_RECORDS	map输入的记录数	作业中所有map已处理的输入记录数。每次Recorder读取到一条记录并将其传递给map的map函数时，该计数器值递增
SPLIT_RAW_BYTES	分片元数据（分片原始字节数）	map读取的输入分片的元数据大小。所谓元数据，即描述分片在文件中位移、长度等的数据，一般很小
MAP_OUTPUT_RECORD	map输出的记录数	作业中map产生的map输出记录数。每此一个map的OutputCollector调用collect方法时，该计数器增加
···	····	····

2. 文件系统计数器

英文相关字段	计数器名	说明
BYTES_READ	文件系统的读字节数	由map任务和reduce任务在各个文件系统中读取的字节数，每个文件系统分别对应一个计数器
READ_OPS	map任务和reduce在各个文件系统中进行读操作的数量，包含（open操作，file status 操作等）
··	··	··

3. FileInputFormat计数器

英文相关字段	计数器名	说明
BYTES_READ	读取字节数	由map任务通过FileInputFormat读取的字节数

4. FileOutputFormat计数器

英文相关字段	计数器名	说明
BYTES_WRITTEN	写的字节数	由map任务（仅包含map的作业）或者reduce任务通过FileOutputFormat写的字节数。

2. 作业计数器

作业计数器同任务计数器不同，它是由AM维护的（参考MapReduce运行流程，一个作业对应一个AM），计数器无需在网络间传递数据。以下列出溢写常用到的作业计数器，详细列表见上

计数器名称	说明
启用的map任务数（TOTAL_LAUNCHED_MAPS）	启动的map任务数，包括以“推测执行” 方式启动的任务。
启用的 reduce 任务数（TOTAL_LAUNCHED_REDUCES）	启动的reduce任务数，包括以“推测执行” 方式启动的任务。
失败的map任务数（NUM_FAILED_MAPS）	失败的map任务数。
失败的 reduce 任务数（NUM_FAILED_REDUCES	失败的reduce任务数。
数据本地化的 map 任务数（DATA_LOCAL_MAPS）	与输入数据在同一节点的 map 任务数。
机架本地化的 map 任务数（RACK_LOCAL_MAPS）	与输入数据在同一机架范围内、但不在同一节点上的 map 任务数。
其它本地化的 map 任务数（OTHER_LOCAL_MAPS）	与输入数据不在同一机架范围内的 map 任务数。由于机架之间的宽带资源相对较少，Hadoop 会尽量让 map 任务靠近输入数据执行，因此该计数器值一般比较小。
map 任务的总运行时间（SLOTS_MILLIS_MAPS）	map 任务的总运行时间，单位毫秒。该计数器包括以推测执行方式启动的任务。
reduce 任务的总运行时间（SLOTS_MILLIS_REDUCES）	reduce任务的总运行时间，单位毫秒。该值包括以推测执行方式启动的任务。

三. 自定义计数器

计数器由三部分组成：分组名，计数器名，计数器的值

1. java计数器

1.1 创建计数器

创建java计数器包含两种方法：

• 基于枚举类型创建计数器，对于枚举计数器，组名=包名+类名，枚举类型的字段就是计数器名称
• 基于String创建计数器，对于该计数器，第一个参数为组名，第二个参数为计数器名。
  分别对应一下两个方法，返回一个计数器对象：
• Counter getCounter(Enum<?> var1)
• Counter getCounter(String var1, String var2)

计数器Counter对象主要包含如下方法

• String getName()
• String getDisplayName();
• long getValue()
• void setValue(long var1)
• void increment(long var1) ：增加计数器值

1.2 获取计数器

    Counters counters = job.getCounters();
    total = counters.findCounter(MaxTemperature.Temperature.TOTAL).getValue();//获取自定义计数器
    mpas = counters.findCounter(TaskCounter.MAP_INPUT_RECORDS).getValue();	//获取内置计数器

1.3 举例 – 创建计数器

此处演示了创建计数器的过程，详情见代码注释

// ---省略一堆无关代码----

/**
* 范例9-1：统计最高气温的的记录，包含统计气温的缺失记录等
* */


public class MaxTemperatureWithCounters extends Configured implements Tool {

	// 枚举类型计数器，两个字段表示缺失值和不合法值
    enum Temperature {
        MISSING, MALFORMED
    }

	// map类
    static class MaxTemperatureWithCountersMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

		// 此类为具体解析类，并非重点，如有需要请访问以下链接查看：https://github.com/zhaopengyue/hadoop-book/blob/master/common/src/main/java/NcdcRecordParser.java
        private NcdcRecordParser parser = new NcdcRecordParser();

        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            parser.parse(value);
            if (parser.isValidTemperature()) {
//                正常情况下直接写入
                int airTemperature = parser.getAirTemperature();
                context.write(new Text(parser.getYear()), new IntWritable(airTemperature));
            } else if (parser.isMalformedTemperature()) {
//                失败情况下，使用计数器计数
// 				   该计数器为枚举类型。
                context.getCounter(Temperature.MALFORMED).increment(1);
            } else if (parser.isMissingTemperature()) {
                context.getCounter(Temperature.MISSING).increment(1);
            }
//             动态计数器
            context.getCounter("TemperatureQuality", parser.getQuality()).increment(1);
        }
    }
// ----省略一堆代码---- 

实验结果：

说明：注：通常情况下，我们自定义的计数器的分组名为：包名+类名，有时候我们想显示的人性化一点即显示我们想要的计数器名称，解决方案是在该MapReduce程序同一个包下建立一个属性文件，文件的命名规则是：类_枚举.properties(相当于指定枚举计数器定义位置)

	#CounterGroupName 用来声明groupName的控制台显示信息
	CounterGroupName=非法计数器
	#枚举类型加.name用来声明counterName的控制台显示信息
	MISSING.name=缺失值

文件放置相对位置

1.4 举例 – 获取计数器

暂带补充

2. streaming计数器

该计数器通过向标准错误流输出一定格式的字符串来控制计数器。
格式为：reporter:counter:groupName(分组名), counter(计数器名):amount(增加的值)
以python为例

sys.err.write('reporter:counter:Temperature,Missing,1')