原创力文档- 1、本文档共12页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
《大数据平台部署与运维》《大数据平台部署与运维》课程组计数器的基本原理
统计用户每天登录该网站次数 publicclassLogCountCombinerextendsReducerMemberLogTime,IntWritable,MemberLogTime,IntWritable{ @Override protectedvoidreduce(MemberLogTimekey,IterableIntWritablevalue, ReducerMemberLogTime,IntWritable,MemberLogTime,IntWritable.Contextcontext) throwsIOException,InterruptedException{ intsum=0; for(IntWritableval:value){ sum+=val.get(); } context.write(key,newIntWritable(sum)); }}
HadoopMapReduce–——分区器（Partitioner） 分区器决定键值对发送的reducer地址
HadoopMapReduce–——分区器（Partitioner） 1.Mapper输出键值对2.每个键值对被发送到Partitioner中3.Partitioner的getPartition方法返回0~N-1对应reducer的idkey1,valuekey2,valuekey3,valuekey8,value
HadoopMapReduce–分区器（Partitioner）
HadoopMapReduce–——分区器（Partitioner）
计数器属性名MapReduce任务计数器org.apache.hadoop.mapreduce.TaskCounter文件系统计数器org.apache.hadoop.mapreduce.FileSystemCounter输入文件计数器org.apache.hadoop.mapreduce.lib.input.FileInputFormatCounter输出文件计数器org.apache.hadoop.mapreduce.lib.input.FileOutputFormatCounter作业计数器org.apache.hadoop.mapreduce.JobCounterHadoopMapReduce——内置计数器
HadoopMapReduce——自定义计数器自定义Counter有两种方式，第一种是通过Java枚举(enum)类型来定义，一个作业可以定义的枚举类型数量不限，各个枚举类型所包含的字段数量也不限。枚举类型的名称即为组的名称，枚举类型的字段就是计数器的名称。
另外一种自定义Counter的方式是动态计数器。除了使用getCounter方法获取枚举中值的方式外，Context类中还有一个重载的方法getCount(StringgroupName,StringcountName)能够对当前计数器进行动态计数。HadoopMapReduce——自定义计数器
总结最后总结几点：1、计数器的基本概念2、计数器的原理
作业根据shuffle运行原理，完成实训19及补充作业
谢谢观看！《大数据平台部署与运维》《大数据平台部署与运维》课程组
文档评论（0）