Hadoop 学习笔记（十六）Combiner 合并和 GroupingComparator辅助排序

1、Combiner 简介

• Combiner是MR程序中Mapper和Reducer之外的一种组件。
• Combiner组件的父类就是Reducer。
• Combiner和Reducer的区别在于运行的位置;
• Combiner是在每一个MapTask所在的节点运行;
• Reducer是接收全局所有Mapper的输出结果；
• 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；

2、Combiner 简单实现

以 WordCount 为例，直接在 Driver 程序里输入下面一行代码，即可实现合并

// 指定需要使用Combiner，以及用哪个类作为Combiner的逻辑
job.setCombinerClass(WordcountReducer.class);

 3、GroupingComparator分组（辅助排序）

对Reduce阶段的数据根据某一个或几个字段进行分组。

分组排序步骤：

（1）自定义类继承WritableComparator

（2）重写compare()方法

4、GroupingComparator分组

案例

输入数据

0000001    Pdt_01    222.8
0000002    Pdt_05    722.4
0000001    Pdt_02    33.8
0000003    Pdt_06    232.8
0000003    Pdt_02    33.8
0000002    Pdt_03    522.8
0000002    Pdt_04    122.4

输出每组金额最大值；

OrderBean.java

 

OrderGrouping.java

public class OrderGrouping extends WritableComparator {

    protected OrderGrouping() {
        super(OrderBean.class, true);
    }

    @Override
    public int compare(WritableComparable a, WritableComparable b) {
        OrderBean aBean = (OrderBean) a;
        OrderBean bbean = (OrderBean) b;
        // 只要 ID 相同，就认为是 相同的 Key
        int r;
        if (aBean.getOrderId() > bbean.getOrderId()) {
            r = 1;
        } else if (aBean.getOrderId() < bbean.getOrderId()) {
            r = -1;
        } else {
            r = 0;
        }
        return r;
    }
}

OrderMapper.java

public class OrderMapper extends Mapper<LongWritable, Text, OrderBean, NullWritable> {

    OrderBean k = new OrderBean();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1、 获取一行
        String line = value.toString();
        // 2、切割
        String[] fields = line.split("	");
        // 3、获取对象
        k.setOrderId(Integer.parseInt(fields[0]));
        k.setPrice(Double.parseDouble(fields[2]));
        // 4、写出
        context.write(k, NullWritable.get());
    }
}

OrderReduce.java

public class OrderReduce extends Reducer<OrderBean, NullWritable, OrderBean, NullWritable> {
    @Override
    protected void reduce(OrderBean key, Iterable<NullWritable> value,
            Reducer<OrderBean, NullWritable, OrderBean, NullWritable>.Context context)
            throws IOException, InterruptedException {
        // TODO Auto-generated method stub
        context.write(key, NullWritable.get());

    }
}

OrderDriver.java

public static void main(String[] args)
            throws IllegalArgumentException, IOException, ClassNotFoundException, InterruptedException {
        // 输入输出路径需要根据自己电脑上实际的输入输出路径设置
        args = new String[] { "E:/input/ord", "E:/output11" };

        // 1 获取配置信息
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        // 2 设置jar包加载路径
        job.setJarByClass(OrderDriver.class);

        // 3 加载map/reduce类
        job.setMapperClass(OrderMapper.class);
        job.setReducerClass(OrderReduce.class);

        // 4 设置map输出数据key和value类型
        job.setMapOutputKeyClass(OrderBean.class);
        job.setMapOutputValueClass(NullWritable.class);

        // 5 设置最终输出数据的key和value类型
        job.setOutputKeyClass(OrderBean.class);
        job.setOutputValueClass(NullWritable.class);

        // 6 设置输入数据和输出数据路径
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        // 设置分组排序
        job.setGroupingComparatorClass(OrderGrouping.class);
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }