Combiner
函数是一个可选的中间函数,发生在
Map
阶段,
Mapper
执行完成后立即执行。使用
Combiner
有如下两个优势:
-
可以用来减少发送到Combiner
的数据量,从而提高网络效率。Reducer
-
可以用于减少发送到Combiner
的数据量,这将提高Reducer
端的效率,因为每个Reduce
函数将处理相比于未使用reduce
之前更少的记录。Combiner
Combiner
与
Reducer
结构相同,因为
Combiner
和
Reducer
都对
Mapper
的输出进行处理。这给了我们一个复用
Reducer
作为
Combiner
的好机会。但问题是,复用
Reducer
Combiner
总是可行的吗?
1. Reducer作为Combiner的适用场景 http://gitlab.corp.qunar.com/jifeng.si/learningnotes/blob/master/IT/%E5%A4%A7%E6%95%B0%E6%8D%AE/Hadoop/%5BHadoop%5DHadoop%E6%8C%87%E5%8D%97%E5%8D%81%E4%B8%89%20Reducer%E6%80%BB%E6%98%AF%E8%83%BD%E5%A4%8D%E7%94%A8%E4%B8%BACombiner%EF%BC%9F.md#1-reducer-combiner
假设我们正在编写一个
MapReduce
程序来计算股票数据集中每个股票代码的最大收盘价。
Mapper
将数据集中每个股票记录的股票代码作为key和收盘价作为value。
Reducer
然后将循环遍历股票代码对应的所有收盘价,并从收盘价列表中计算最高收盘价。假设
Mapper 1
处理股票代码为
ABC
的3个记录,收盘价分别为50,60和111。让我们假设
Mapper 2
处理股票代码为ABC的2个记录,收盘价分别为100和31。那么
Reducer
将收到股票代码ABC五个收盘价---50,60,111,100和31。Reducer的工作非常简单,它将简单地循环遍历所有收盘价,并将计算最高收盘价为111。
我们可以在每个
Mapper
之后使用相同的
Reducer
Combiner
。
Mapper 1
上的
Combiner
将处理3个收盘价格--50,60和111,并且仅输出111,因为它是3个收盘价的最大值。
Mapper 2
Combiner
将处理2个收盘价格--100和31,并且仅输出100,因为它是2个收盘价的最大值。现在使用
Combiner
之后,
Reducer
仅处理股票代码ABC的2个收盘价(原先需要处理5个收盘价),即来自
Mapper 1
的111和来自
Mapper 2
的100,并且将从这两个值中计算出最大收盘价格为111。
正如我们看到的,使用
Combiner
情况下
Reducer
输出与没有使用
Combiner
的输出结果是相同的,因此在这种情况下复用
Reducer
Combiner
是没有问题。
2. Reducer作为Combiner的不适用场景 http://gitlab.corp.qunar.com/jifeng.si/learningnotes/blob/master/IT/%E5%A4%A7%E6%95%B0%E6%8D%AE/Hadoop/%5BHadoop%5DHadoop%E6%8C%87%E5%8D%97%E5%8D%81%E4%B8%89%20Reducer%E6%80%BB%E6%98%AF%E8%83%BD%E5%A4%8D%E7%94%A8%E4%B8%BACombiner%EF%BC%9F.md#2-reducer-combiner
MapReduce
程序来计算股票数据集中每个股票代码的平均交易量(average volume for each symbol)。
Mapper
将数据集中每个股票记录的股票代码作为key和交易量(volume)作为value。
Reducer
然后将循环遍历股票代码对应的所有交易量,并从交易量列表中计算出平均交易量(average volume from the list of volumes for that symbol)。假设
Mapper 1
处理股票代码为ABC的3个记录,收盘价分别为50,60和111。让我们假设
Mapper 2
Reducer
将收到股票代码ABC五个收盘价---50,60,111,100和31。Reducer的工作非常简单,它将简单地循环遍历所有交易量,并将计算出平均交易量为70.4。
50 + 60 + 111 + 100 + 31 / 5 = 352 / 5 = 70.4
让我们看看如果我们在每个
Mapper
之后复用
Reducer
Combiner
会发生什么。
Mapper 1
Combiner
将处理3个交易量--50,60和111,并计算出三个交易量的平均交易量为73.66。
Mapper 2
Combiner
将处理2个交易量--100和31,并计算出两个交易量的平均交易量为65.5。那么在复用
Reducer
Combiner
的情况下,
Reducer
仅处理股票代码ABC的2个平均交易量,来自
Mapper1
的73.66和来自
Mapper2
的65.5,并计算股票代码ABC最终的平均交易量为69.58。
73.66 + 65.5 /2 = 69.58
这与我们不复用
Reducer
Combiner
得出的结果不一样,因此复用
Reducer
Combiner
得出平均交易量是不正确的。
所以我们可以看到
Reducer
不能总是被用于
Combiner
。所以,当你决定复用
Reducer
Combiner
的时候,你需要问自己这样一个问题:使用
Combiner
与不使用
Combiner
的输出结果是否一样?
3. 区别 http://gitlab.corp.qunar.com/jifeng.si/learningnotes/blob/master/IT/%E5%A4%A7%E6%95%B0%E6%8D%AE/Hadoop/%5BHadoop%5DHadoop%E6%8C%87%E5%8D%97%E5%8D%81%E4%B8%89%20Reducer%E6%80%BB%E6%98%AF%E8%83%BD%E5%A4%8D%E7%94%A8%E4%B8%BACombiner%EF%BC%9F.md#3
Combiner
需要实现
Reducer
接口。
Combiner
只能用于特定情况。
-
不同,Reducer
有一个约束,Combiner
输入/输出键和值类型必须与Combiner
的输出键和值类型相匹配。而Mapper
只是输入键和值类型与Reducer
的输出键和值类型相匹配。Mapper
-
只能用于满足交换律Combiner
和结合律(a.b = b.a)
的情况。这也意味着(a.(b.c)= (a.b).c)
可能只能用于键和值的一个子集或者可能不能使用。Combiner
-
可以从多个Reducer
获取数据。Mapper
只能从一个Combiner
获取其输入。Mapper
原文:
http://hadoopinrealworld.com/can-reducer-always-be-reused-for-combiner/