MapReduce计数器计数

MapReduce框架自身就有计数机制跟中输入记录的数量，并且所有的计数器信息都存在JobTracker的内存中，在每个map任务中计数器被序列化，并通过状态更新同步到JobTracker，也就是说各节点的计数器结果会在JobTracker进行汇总

适用场景：大数据集收集指定字符的出现次数

运行环境：windows下VM虚拟机，centos系统，hadoop2.2.0，三节点 ，java 1.7

例子：查找数据中AA，BB，CC，DD的数据行，并计数
数据：
AA
BB
CC
DD
AA
CC
DD
EE
BB
AA
CC
DD
OO
EE
CC
AA
CC
BB
EE
ZZ

public class CounterNumber extends Configured implements Tool{        //这个任务中不需要输出结果，直接打印在控制台上    public static class Map extends Mapper <LongWritable,Text,NullWritable,NullWritable>    {    //指定要计数的目标字符串数组        private String[] str={"AA","BB","CC","DD"};        //指定标志，成功，失败        private static final String STATE_TRUE="State";        private static final String STATE_FALSE="unknow";        public void map(LongWritable key,Text value,Context context)throws InterruptedException,IOException        {        //设定标志，用于没匹配到的记录的计数            boolean sign=true;            //遍历目标数组            for(String str1 :str)            {            //如果输入的一条记录中有目标数组                if(value.toString().contains(str1))                {                //getCounter是设定框架的计数器，参数为（标志，具体目标），increments（1）是把计数器加1                    context.getCounter(STATE_TRUE, str1).increment(1);;                    sign=false;                    break;                }            }            //如果这条记录没找到匹配到目标            if(sign)            {            //创建一个计数器用于记录没匹配到的数量                context.getCounter(STATE_FALSE, "unknow_str").increment(1);            }        }    }    public int run (String[] args)throws Exception    {        Configuration conf=getConf();        Job job=new Job(conf,"CounterNumber");        job.setJarByClass(CounterNumber.class);        job.setMapperClass(Map.class);        FileInputFormat.addInputPath(job, new Path(args[0]));        FileOutputFormat.setOutputPath(job, new Path(args[1]));        job.setOutputKeyClass(NullWritable.class);        job.setOutputValueClass(NullWritable.class);        //这句是提交任务的        int code=job.waitForCompletion(true)?1:0;        //在任务提交后获取任务counter信息        if(code==1)        {        //获取指定计数器信息            for (Counter counter:job.getCounters().getGroup(Map.STATE_TRUE))            {            //输出计数器的目标名字和数量                System.out.println(counter.getDisplayName()+"\t"+counter.getValue());            }        }        return job.isSuccessful()?1:0;    }    public static void main(String[] args)throws Exception    {        int rsa=ToolRunner.run(new Configuration(), new CounterNumber(), args);        System.exit(rsa);    }}

执行结果

可以看出mapreduce本身就已经记录了计数器的状态（后面的红色部分）
这种方法的计数效率非常高，因为数据只是在map进行读入，没有大量IO交互

计数器数量的不宜过大，以为都要写入JobTracker的内存中，最多不超过100个，这里用了5个