组合器和减速器可以不同吗？

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程序的特殊性质。但我想知道它们是否可以不同。

Answer 1

是的，combiner 可以与 Reducer 不同，尽管您的 Combiner 仍将实现 Reducer 接口。组合器只能用于依赖于工作的特定情况。 Combiner 将像 Reducer 一样运行，但仅限于每个 Mapper 输出的 Key/Values 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

这是实现，你可以在没有组合器和组合器的情况下运行，两者都给出完全相同的答案。这里Reducer和Combiner有不同的动机和不同的实现。

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));
}}

减少类

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);
}
}

地图对象类

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));

}
}

驱动类

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);
}
}

从here获取代码

留下你的建议..

Answer 3

组合器的主要目标是优化/最小化键值对的数量 在 mapper 和 reducer 之间通过网络进行洗牌，从而节省最多 带宽。

combiner 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 为此，不保证组合器的使用，可以使用或不可以使用，具体取决于音量 和泄漏次数。

reducer 在满足这个规则时可以用作组合器，即相同的输入和输出 变量类型。

combiner 的另一个最重要的规则是它只能在你想要的功能时使用 to apply 既可交换又可结合。喜欢添加数字。但不是平均情况（如果你使用与 reducer 相同的代码）。

现在回答你的问题，是的，当然它们可以不同，当你的减速器有不同类型的输入和输出变量时，你别无选择，只能制作你的减速器代码的不同副本并修改它。

如果你关心 reducer 的逻辑，你也可以用不同的方式实现，比如在组合器的情况下，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 中使用风险要小，因为在 reducer 的情况下，它比在 combiner 中更容易耗尽内存。其他逻辑差异当然可以存在并且确实存在。

Answer 4

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

Combiners 只能用于可交换(a.b = b.a) 和关联 {a.(b.c) = (a.b).c} 的函数。这也意味着组合器可能仅对您的键和值的子集进行操作，或者可能根本不执行，但您仍然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您带来逻辑输出。