组合器和归约器可以不同

Question

在许多MapReduce程序中，我看到一个reducer也被用作组合器。我知道这是因为这些项目的特殊性质。但我想知道他们是否会有所不同。

Answer 1

是的，组合器可以不同于Reducer，尽管您的组合器仍将实现Reducer接口。组合器只能在依赖于工作的特定情况下使用。组合器的操作方式类似于还原器，但仅适用于每个映射器输出的关键点/值的子集。

与Reducer不同，Combiner将具有的一个约束是输入/输出键和值类型必须与Mapper的输出类型匹配。

Answer 2

是的，它们肯定会有所不同，但我认为你不想使用不同的类，因为大多数情况下你会得到意想不到的结果。

组合器只能用于交换函数（a.b=b.a）和关联函数｛a.（b.c）=（a.b）.c｝。这也意味着组合器可能只对键和值的子集进行操作，或者可能根本不执行，但您希望程序的输出保持不变。

选择具有不同逻辑的不同类可能不会给出逻辑输出。

Answer 3

以下是实现，您可以在没有组合器和有组合器的情况下运行，两者给出的答案完全相同。这里的减速器和组合器有不同的动机和不同的实现方式。

package combiner;
import java.io.IOException;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class Map extends Mapper<LongWritable, Text, Text, Average> {
Text name = new Text();
String[] row;
protected void map(LongWritable offSet, Text line, Context context) throws IOException, InterruptedException {
    row = line.toString().split(" ");
    System.out.println("Key "+row[0]+"Value "+row[1]);
    name.set(row[0]);
    context.write(name, new Average(Integer.parseInt(row[1].toString()), 1));
}}

降低等级

public class Reduce extends Reducer<Text, Average, Text, LongWritable> {
    LongWritable avg =new LongWritable();
    protected void reduce(Text key, Iterable<Average> val, Context context)throws IOException, InterruptedException {
    int total=0; int count=0; long avgg=0;
    for (Average value : val){
        total+=value.number*value.count;
        count+=value.count;
        avgg=total/count;   
        }
    avg.set(avgg);
    context.write(key, avg);
}
}

MapObject类

public class Average implements Writable {
long number;
int count;
public Average() {super();}
public Average(long number, int count) {
    this.number = number;
    this.count = count;
}
public long getNumber() {return number;}
public void setNumber(long number) {this.number = number;}
public int getCount() {return count;}
public void setCount(int count) {this.count = count;}
@Override
public void readFields(DataInput dataInput) throws IOException {
    number = WritableUtils.readVLong(dataInput);
    count = WritableUtils.readVInt(dataInput);      
}
@Override
public void write(DataOutput dataOutput) throws IOException {
    WritableUtils.writeVLong(dataOutput, number);
    WritableUtils.writeVInt(dataOutput, count);
}
}

组合器类

public class Combine extends Reducer<Text, Average, Text, Average>{
protected void reduce(Text name, Iterable<Average> val, Context context)throws IOException, InterruptedException {
    int total=0; int count=0; long avg=0;
    for (Average value : val){
        total+=value.number;
        count+=1;
        avg=total/count;    
        }
    context.write(name, new Average(avg, count));
}
}

驾驶员等级

public class Driver1 {
public static void main(String[] args) throws Exception { 
    Configuration conf = new Configuration();
    if (args.length != 2) {
        System.err.println("Usage: SecondarySort <in> <out>");
        System.exit(2);
    }
    Job job = new Job(conf, "CustomCobiner");
    job.setJarByClass(Driver1.class);
    job.setMapperClass(Map.class);
    job.setCombinerClass(Combine.class);
    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(Average.class);
    job.setReducerClass(Reduce.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);     
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}

Git代码从这里

留下你的建议。。

Answer 4

组合器的主要目标是优化/最小化将在映射器和还原器之间的网络中进行混洗，从而尽可能节省带宽。

组合器的经验法则是它必须具有相同的输入和输出变量类型，原因是为此，是否不能保证组合器的使用，它可以使用还是不能使用，取决于音量以及泄漏次数。

当减速器满足这个规则，即输入和输出相同时，它可以用作组合器变量类型。

组合器的另一个最重要的规则是，它只能在您想要的函数时使用应用既是交换的又是结合的。比如加数字。但不是在像average这样的情况下（如果你使用和reducer相同的代码）。

现在回答你的问题，是的，当然它们可能会不同，当你的reducer有不同类型的输入和输出变量时，你别无选择，只能制作一个不同的reduce代码副本并修改它。

如果你关心reducer的逻辑，你也可以用不同的方式来实现，比如说，在组合器的情况下，你可以有一个集合对象来拥有一个本地缓冲区，其中包含所有进入组合器的值，这比在reducer中使用它的风险更小，因为在reduce器的情况中，它比在组合器中更容易耗尽内存。其他逻辑差异肯定存在，而且确实存在。