MapReduce【Shuffle-Combiner】

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Reducer

Combiner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（3+5+7+2+6)/5 != （3+5+7)/3 + (2+6)/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 Reducer<Text, LongWritable,Text,LongWritable> {
    private LongWritable OUT_KEY = new LongWritable();
    @Override
    protected void reduce(Text key, Iterable<LongWritable> 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combiner
        job.setCombinerClass(WordCountCombiner.class);