萍缘网站建设工作,全网营销有哪些平台,做一个平面网站的成本,wordpress设置文章图片幻灯片放映概述 Conbiner在MapReduce的Shuffle阶段起作用#xff0c;它负责局部数据的聚合#xff0c;我们可以看到#xff0c;对于大数据量#xff0c;如果没有Combiner#xff0c;将会在磁盘上写入多个文件等待ReduceTask来拉取#xff0c;但是如果有Combiner组件#xff0c;我们… 概述 Conbiner在MapReduce的Shuffle阶段起作用它负责局部数据的聚合我们可以看到对于大数据量如果没有Combiner将会在磁盘上写入多个文件等待ReduceTask来拉取但是如果有Combiner组件我们可以通过Combiner来减小中间结果文件的大小从而增加传输的效率。 以wordcount为例从map出来的kv已经经过了排序是有序的我们可以进行一次Combiner将相同key的value进行一个合并从而减少数据量。接着再进行一次归并排序将多个溢写文件合并到一起。如果溢写的文件特别多一次归并排序不能全部合并默认一次归并10个溢写文件可以再进行一次归并。最终只有一个中间结果文件产生。
Combiner是MapReduce程序中Mapper和Reducer之外的一个组件。Combiner组件的父类就是ReducerCombiner和Reducer的区别在于运行的位置Combiner的意义就是对每一个MapTask的输出进行局部汇总以减小网络传输量。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。 比如wordcount案例我们可以对它增加一个Combiner因为这样不会影响最终结果。但是对于求平均值这种案例比如35726)/5 ! 357)/3 (26)/2
实现
Combiner只需要继承Reducer类并重写reduce方法即可我们只需要在wordcount案例基础之上增加一个类WordCountCombiner并在Runner类中修改job的属性即可。
WordCountCombiner类
public class WordCountCombiner extends ReducerText, LongWritable,Text,LongWritable {private LongWritable OUT_KEY new LongWritable();Overrideprotected void reduce(Text key, IterableLongWritable values, Context context) throws IOException, InterruptedException {int sum 0;for (LongWritable value : values) {sum value.get();}OUT_KEY.set(sum);context.write(key,OUT_KEY);}}
修改job属性
//设置combinerjob.setCombinerClass(WordCountCombiner.class);
