Hadoop - 经典 MapReduce 字数统计

Question

在我的 Reducer 代码中，我使用此代码片段对值求和:

for(IntWritable val : values) {
    sum += val.get();           
}

由于上面提到的给了我预期的输出，我尝试将代码更改为:

for(IntWritable val : values) {
    sum += 1;
}

谁能解释一下当我在 reducer 中使用 sum += 1 而不是 sum += val.get() 时有什么不同？为什么它给我相同的输出？它与 Combiner 有什么关系吗，因为当我使用与 Combiner 相同的 reducer 代码时，类输出不正确，所有单词都显示计数为 1。

映射器代码:

public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        String line = value.toString();
        StringTokenizer token = new StringTokenizer(line);

        while(token.hasMoreTokens()) {
            word.set(token.nextToken());
            context.write(word, new IntWritable(1));
        }
    }

reducer 代码:

public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {

        int sum = 0;

        for(IntWritable val : values) {
            //sum += val.get();
            sum += 1;
        }
        context.write(key, new IntWritable(sum));
    }

司机代码:

job.setJarByClass(WordCountWithCombiner.class);
        //job.setJobName("WordCount");

        job.setMapperClass(WordCountMapper.class);
        job.setCombinerClass(WordCountReducer.class);
        job.setReducerClass(WordCountReducer.class);

        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

输入-“成为或不成为”

预期输出 - (be,2) , (to,2) , (or,1) , (not,1)

但我得到的输出是 - (be,1) , (to,1) , (or,1) , (not,1)

Answer 1

Can anyone please explain what is the difference it makes when I use sum += 1 in the reducer rather than sum += val.get()?

两条语句都在进行加法运算。首先，您要计算 for-loop 运行了多少次。在后面，您实际上是在对给定 key 的每个 val 对象返回的 int 值进行求和运算。

Why does it give me the same output? Does it have anything to do with Combiner

答案是是的。这是因为 Combiner。

现在让我们看看您传递的输入，这将只实例化一个 Mapper。 Mapper 的输出是:

(to,1), (be,1), (or,1), (not,1), (to,1), (be,1) 

当这进入 Combiner 时，这与 Reducer 本质上是相同的逻辑。输出将是:

(be,2) , (to,2) , (or,1) , (not,1)

现在 Combiner 的上述输出转到 Reducer 并且它将执行您定义的求和操作。因此，如果您的逻辑是 sum += 1，那么输出将是:

(be,1) , (to,1) , (or,1) , (not,1)

但是如果您的逻辑是 sum += val.get() 那么您的输出将是:

(be,2) , (to,2) , (or,1) , (not,1)

我希望你现在明白了。 Combiner 和 Reducer 的逻辑是一样的，但是它们要处理的输入是不同的。