hadoop学习笔记4

Writable接口
1、对java中的int型进行封装那么就是hadoop中的IntWritable类，在写程序的时候可以把IntWritable可以看着是int类型，它实现了WritableComparable接口，WritableComparable又是Writable、java.lang.comparable接口的子接口。
2、我们可以自定义Writable接口，来编写更复杂的结构的类，核心：hadoop有自己一套的I/O机制，I/O类都必须实现Writable接口。
------------------------------------------------------------
mapreduce驱动默认的设置
inputFormat(输入）-----TextInputFormat
MapperClass ------------IdentityMapper
MapRunnerClass(map启动类）---------MapRunner
MapOuputKeyClass-------------LongWritable
MapOutputValueClass--------Text
PartitionerClasss----------HashPartitioner
ReduceClass ---------------IdentityReduce
OutputKeyClass --------------LongWritable
OutputValueClass--------------Text
OutputFormatClass----------TextOutputFormat
---------------------------------------------------
Combiners和Partitioner编程
Combiners的作用
 每一个map可能会产生大量的输出，combiner的作用就是在map端对输出先做一次合并，以减少传输到reducer的数据量，
   1）combiner最基本是实现本地key的聚合，对map输出的key排序，value进行迭代。如下所示：map: (K1, V1) → list(K2, V2)?combine: (K2, list(V2)) → list(K2, V2)?reduce: (K2, list(V2)) → list(K3, V3)
   2）combiner还具有类似本地的reduce功能.例如hadoop自带的wordcount的例子和找出value的最大值的程序，combiner和reduce完全一致。如下所示：map: (K1, V1) → list(K2, V2)?combine: (K2, list(V2)) → list(K3, V3)?reduce: (K3, list(V3)) → list(K4, V4)?
  3）如果不用combiner，那么，所有的结果都是reduce完成，效率会相对低下。使用combiner，先完成的map会在本地聚合，提升速度。
   4）对于hadoop自带的wordcount的例子，value就是一个叠加的数字，所以map一结束就可以进行reduce的value叠加，而不必要等到所有的map结束再去进行reduce的value叠加。

注意：combiner使用的合适，可以在满足业务的情况下提升job的速度，如果不合适，则将导致输出的结果不正确。
Combiner的输出是Reducer的输入，Combiner绝不能改变最终的计算结果。所以从我的想法来看，Combiner只应该用于那种Reduce的输入key/value与输出key/value类型完全一致，且不影响最终结果的场景。比如累加，最大值等。
-------------------------------------------------------------------------------------
 Combiners分析
假设有两个map。
第一个map的输出为：
（1950,0）
 (1950,20)
 (1950,10)
第二个map输出为：
（1950,25）
 (1950,15)
 (1950,30)
Reduce函数被调用是，输入如下：
（1950，[0,20,10,25,15,30]）
因为30是最大的值，所以输出如下：
（1950,30）
如果我们使用 combiner：那么reduce调用的时候传入的数据如下：
（1950，[20,30]）--?（1950,30）
用表达式表示为：
Max(0,20,10,25,15,30)=max(max(0,20,10),max(25,15,30))=max(20,30)=30
----------------------------------------
使用 Combiners要小心
刚才我们是计算最大值可以使用Combiners能提高效率。
如果我们要是求平均值呢？
Avg（0,20,10,25,15,30） = 15
如果使用Combiner会得到什么样的结果呢？

第一个map输出为：
 avg(0,20,10) = 10
第二个map输出为：
Avg（25,15,30） = 23

输入到reduce出来的结果为：

Avg(10,23) = 17.5

17.5和15？

所以 ：使用combiner一定要注意。