MapReduce的计数器

 第一部分.Hadoop计数器简述

hadoop计数器:

      可以让开发人员以全局的视角来审查程序的运行情况以及各项指标，及时做出错误诊断并进行相应处理。 内置计数器（MapReduce相关、文件系统相关和作业调度相关），

也可以通过http://master:50030/jobdetails.jsp查看

MapReduce的输出：

    

    运行jar包的详细步骤：

[root@neusoft-master filecontent]# hadoop jar Traffic.jar /data/HTTP_20130313143750.dat /out2
17/02/01 19:58:17 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
17/02/01 19:58:18 INFO client.RMProxy: Connecting to ResourceManager at neusoft-master/192.168.191.130:8080
17/02/01 19:58:18 WARN mapreduce.JobResourceUploader: Hadoop command-line option parsing not performed. Implement the Tool interface and execute your application with ToolRunner to remedy this.
17/02/01 19:58:19 INFO input.FileInputFormat: Total input paths to process : 1
17/02/01 19:58:19 INFO mapreduce.JobSubmitter: number of splits:1
17/02/01 19:58:19 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1485556908836_0009
17/02/01 19:58:19 INFO impl.YarnClientImpl: Submitted application application_1485556908836_0009
17/02/01 19:58:19 INFO mapreduce.Job: The url to track the job: http://neusoft-master:8088/proxy/application_1485556908836_0009/
17/02/01 19:58:19 INFO mapreduce.Job: Running job: job_1485556908836_0009
17/02/01 19:58:26 INFO mapreduce.Job: Job job_1485556908836_0009 running in uber mode : false
17/02/01 19:58:26 INFO mapreduce.Job: map 0% reduce 0%
17/02/01 19:58:32 INFO mapreduce.Job: map 100% reduce 0%
17/02/01 19:58:38 INFO mapreduce.Job: map 100% reduce 100%
17/02/01 19:58:38 INFO mapreduce.Job: Job job_1485556908836_0009 completed successfully
17/02/01 19:58:38 INFO mapreduce.Job: Counters: 49
File System Counters  1.文件系统计数器，由两类组成，FILE类是文件系统与Linux(磁盘)交互的类，HDFS是文件系统与HDFS交互的类(本质上都是与磁盘数据打交道)
FILE: Number of bytes read=1015
FILE: Number of bytes written=220657
FILE: Number of read operations=0
FILE: Number of large read operations=0
FILE: Number of write operations=0
HDFS: Number of bytes read=2334
HDFS: Number of bytes written=556
HDFS: Number of read operations=6
HDFS: Number of large read operations=0
HDFS: Number of write operations=2
Job Counters   2.作业计数器  3.框架本身的计数器
Launched map tasks=1   加载map任务
Launched reduce tasks=1  加载reduce任务
Data-local map tasks=1   数据本地化
Total time spent by all maps in occupied slots (ms)=3115   所有map任务在被占用的slots中所用的时间------在yarn中，程序打成jar包提交给resourcemanager，nodemanager向resourcemanager申请资源，然后在nodemanager上运行， 而划分资源(cpu,io，网络，磁盘)的单位叫容器container，每个节点上资源不是无限的，因此应该将任务划分为不同的容器，job在运行的时候可以申请job的数量，之后由nodemanager确定哪些任务可以执行map，那些可以执行reduce等，从而由slot表示，表示槽的概念。任务过来就占用一个槽。

Total time spent by all reduces in occupied slots (ms)=3095  所有reduce任务在被占用的slots中所用的时间
Total time spent by all map tasks (ms)=3115  所有map执行时间
Total time spent by all reduce tasks (ms)=3095   所有reduce执行的时间
Total vcore-seconds taken by all map tasks=3115  
Total vcore-seconds taken by all reduce tasks=3095
Total megabyte-seconds taken by all map tasks=3189760
Total megabyte-seconds taken by all reduce tasks=3169280
Map-Reduce Framework
Map input records=22  //输入的行数 或键值对数目
Map output records=22  // 输出的键值对
Map output bytes=965
Map output materialized bytes=1015
Input split bytes=120
Combine input records=0   规约  第五步
Combine output records=0
Reduce input groups=21   输入的是21个组
Reduce shuffle bytes=1015
Reduce input records=22   输入的行数或键值对数目
Reduce output records=21
Spilled Records=44
Shuffled Maps =1
Failed Shuffles=0
Merged Map outputs=1
GC time elapsed (ms)=73
CPU time spent (ms)=1800
Physical memory (bytes) snapshot=457379840
Virtual memory (bytes) snapshot=3120148480
Total committed heap usage (bytes)=322437120
Shuffle Errors       4.shuffle错误
BAD_ID=0
CONNECTION=0
IO_ERROR=0
WRONG_LENGTH=0
WRONG_MAP=0
WRONG_REDUCE=0
File Input Format Counters    5.输入计数器
Bytes Read=2214
File Output Format Counters   6.输出的计数器
Bytes Written=556

运行结果截图：

               

通过查看http://neusoft-master:8088/可得到详细的job信息

 　　上述页面是resourcemanager的集群，上面显示了所有的application应用用户层面看是job作业，resourcemanager层面看是applicaton应用

 第二部分 自定义计数器

核心代码：

 

//计数器使用~解决：判断下输入文件中有多少hello
Counter counterHello = context.getCounter("Sensitive words","hello");
//假设hello为敏感词
            if(line != null && line.contains("hello")){
                counterHello.increment(1L);
            }
//计数器代码结束

 

    示例代码：

package Mapreduce;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Counter;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

/**
 *
 * 计数器的使用及测试
 */
public class MyCounterTest {
    public static void main(String[] args) throws Exception {
        //必须要传递的是自定的mapper和reducer的类，输入输出的路径必须指定，输出的类型<k3,v3>必须指定
        //2将自定义的MyMapper和MyReducer组装在一起
        Configuration conf=new Configuration();
        String jobName=MyCounterTest.class.getSimpleName();
        //1首先寫job，知道需要conf和jobname在去創建即可
        Job job = Job.getInstance(conf, jobName);
        
        //*13最后，如果要打包运行改程序，则需要调用如下行
        job.setJarByClass(MyCounterTest.class);
        
        //3读取HDFS內容：FileInputFormat在mapreduce.lib包下
        FileInputFormat.setInputPaths(job, new Path("hdfs://neusoft-master:9000/data/hellodemo"));
        //4指定解析<k1,v1>的类（谁来解析键值对）
        //*指定解析的类可以省略不写，因为设置解析类默认的就是TextInputFormat.class
        job.setInputFormatClass(TextInputFormat.class);
        //5指定自定义mapper类
        job.setMapperClass(MyMapper.class);
        //6指定map输出的key2的类型和value2的类型  <k2,v2>
        //*下面两步可以省略，当<k3,v3>和<k2,v2>类型一致的时候,<k2,v2>类型可以不指定
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);
        //7分区(默认1个)，排序，分组，规约 采用 默认
        
        //接下来采用reduce步骤
        //8指定自定义的reduce类
        job.setReducerClass(MyReducer.class);
        //9指定输出的<k3,v3>类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(LongWritable.class);
        //10指定输出<K3,V3>的类
        //*下面这一步可以省
        job.setOutputFormatClass(TextOutputFormat.class);
        //11指定输出路径
        FileOutputFormat.setOutputPath(job, new Path("hdfs://neusoft-master:9000/out3"));
        
        //12写的mapreduce程序要交给resource manager运行
        job.waitForCompletion(true);
    }
    private static class MyMapper extends Mapper<LongWritable, Text, Text,LongWritable>{
        Text k2 = new Text();
        LongWritable v2 = new LongWritable();
        @Override
        protected void map(LongWritable key, Text value,//三个参数
                Mapper<LongWritable, Text, Text, LongWritable>.Context context) 
                throws IOException, InterruptedException {
            String line = value.toString();
            //计数器使用~解决：判断下输入文件中有多少hello  这里仅仅是举例，如果有很多的hello可能显示的还是如此结果
            Counter counterHello = context.getCounter("Sensitive words","hello");//假设hello为敏感词
            if(line != null && line.contains("hello")){
                counterHello.increment(1L);
            }
            //计数器代码结束
            String[] splited = line.split("	");//因为split方法属于string字符的方法，首先应该转化为string类型在使用
            for (String word : splited) {
                //word表示每一行中每个单词
                //对K2和V2赋值
                k2.set(word);
                v2.set(1L);
                context.write(k2, v2);
            }
        }
    }
    private static class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable> {
        LongWritable v3 = new LongWritable();
        @Override //k2表示单词，v2s表示不同单词出现的次数，需要对v2s进行迭代
        protected void reduce(Text k2, Iterable<LongWritable> v2s,  //三个参数
                Reducer<Text, LongWritable, Text, LongWritable>.Context context)
                throws IOException, InterruptedException {
            long sum =0;
            for (LongWritable v2 : v2s) {
                //LongWritable本身是hadoop类型，sum是java类型
                //首先将LongWritable转化为字符串，利用get方法
                sum+=v2.get();
            }
            v3.set(sum);
            //将k2,v3写出去
            context.write(k2, v3);
        }
    }
}

    运行：

   

   

  从上图中可以看到Sensitive words里面显示了hello的个数。

    第三部分  总结：

问：partition的目的是什么？
答：多个reducer task实现并行计算，节省运行实际，提高job执行效率。

问：什么时候使用自定义排序？
答：.....
问：如何使用自定义排序？
答：自定义个k2类型，覆盖compareTo(...)方法

问：什么时候使用自定义分组？
答：当k2的compareTo方法不适合业务的时候。
问：如何使用自定义分组？
答：job.setGroupingComparatorClass(...);

问：使用combiner有什么好处？
答：在map端执行reduce操作，可以减少map最终的数据量，减少传输到reducer的数据量，减轻网络压力。
问：为什么combiner不是默认配置？
答：因为有个算法不适合使用combiner。什么样的算法不适合？不符合幂等性。
问：为什么在map端执行了reduce操作，还需要在reduce端再次执行哪？
答：因为map端执行的是局部reduce操作，在reduce端执行全局reduce操作。