hadoop计算平均值

combiner是运行在本地的，reduce是收集全部的，比如一个文件很大1G，比如一个文件很大1G，如果你的集群是5台双核的，如果你的集群是5台双核的，这样这16个块会被分到这10个块里面，相当于要2轮，假设是1、2分给1号机，3、4分给2号机，这样1、2求和完了之后会在1号机上运行一次combiner，3、4完了再2号机上运行一次combiner，所有的combiner运行完了，所有的数据会汇集到reduce上做最终处理。

输入（数据摘自互联网）：

data1：

data2：

程序源代码：

1. package org.apache.hadoop.examples;  
2.   
3. import java.io.IOException;  
4. import java.util.StringTokenizer;  
5.   
6. import org.apache.hadoop.conf.Configuration;  
7. import org.apache.hadoop.fs.Path;  
8. import org.apache.hadoop.io.DoubleWritable;  
9. import org.apache.hadoop.io.Text;  
10. import org.apache.hadoop.mapreduce.Job;  
11. import org.apache.hadoop.mapreduce.Mapper;  
12. import org.apache.hadoop.mapreduce.Reducer;  
13. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;  
14. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;  
15.   
16. public class CountAverage {  
17.     public static class AverageMapper extends Mapper<Object, Text, Text, Text>{  
18.          public void map(Object key, Text value, Context context)   
19.             throws IOException, InterruptedException{  
20.              String inputline=value.toString();  
21.              StringTokenizer itr = new StringTokenizer(inputline);  
22.              String mapkey="";  
23.              String mapvalue="";  
24.              int count=0;  
25.              while (itr.hasMoreTokens()) {  
26.                  if(count>0){  
27.                      mapvalue=itr.nextToken();  
28.                      continue;  
29.                  }  
30.                  mapkey=itr.nextToken();  
31.                  count++;  
32.              }  
33.              context.write(new Text(mapkey),new Text(mapvalue));  
34.          }  
35.     }  
36.       
37.     public static class AverageCombiner extends Reducer<Text,Text,Text,Text> {  
38.         public void reduce(Text key, Iterable<Text> values, Context context)  
39.         throws IOException, InterruptedException {  
40.             Double sum=0.00;  
41.             int count=0;  
42.             for(Text t:values){  
43.                 sum=sum+Double.parseDouble(t.toString());  
44.                 count++;  
45.             }  
46.             context.write(new Text(key),new Text(sum+"-"+count));  
47.         }  
48.     }  
49.       
50.     public static class AverageReducer extends Reducer<Text,Text,Text,DoubleWritable> {  
51.         public void reduce(Text key, Iterable<Text> values, Context context)  
52.         throws IOException, InterruptedException {  
53.             Double sum=0.00;  
54.             int count=0;  
55.             for(Text t:values){  
56.                 String[] str=t.toString().split("-");  
57.                 sum+=Double.parseDouble(str[0]);  
58.                 count+=Integer.parseInt(str[1]);  
59.             }  
60.             context.write(new Text(key),new DoubleWritable(sum/count));  
61.         }  
62.     }  
63.       
64.     /** 
65.      * @param args 
66.      * @throws IOException  
67.      * @throws ClassNotFoundException  
68.      * @throws InterruptedException  
69.      */  
70.     public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {  
71.         // TODO Auto-generated method stub  
72.         Configuration conf = new Configuration();  
73.         Job job = new Job(conf, "count average");  
74.         job.setJarByClass(CountAverage.class);  
75.         job.setMapperClass(AverageMapper.class);  
76.         job.setCombinerClass(AverageCombiner.class);  
77.         job.setReducerClass(AverageReducer.class);  
78.         job.setOutputKeyClass(Text.class);  
79.         job.setOutputValueClass(Text.class);  
80.         FileInputFormat.addInputPath(job, new Path("hdfs://localhost:9000/user/pu/input/*"));  
81.         FileOutputFormat.setOutputPath(job, new Path("hdfs://localhost:9000/user/pu/output/*"));  
82.         System.exit(job.waitForCompletion(true) ? 0 : 1);  
83.     }  
84.   
85. }  

运行结果：