用一句简单的话语描述combiner组件作用：降低map任务输出,减少reduce任务数量,从而降低网络负载

    工作机制：

        Map任务允许在提交给Reduce任务之前在本地执行一次汇总的操作，那就是combiner组件，combiner组件的行为模式和Reduce一样，都是接收key/values，产生key/value输出

    注意：

    1、combiner的输出是reduce的输入

    2、如果combiner是可插拔的 ，那么combiner绝不能改变最终结果

    3、combiner是一个优化组件,但是并不是所有地方都能用到,所以combiner只能用于reduce的输入、输出key/value类型完全一致且不影响最终结果的场景。

    例子：WordCount程序中,通过统计每一个单词出现的次数,我们可以首先通过Map任务本地进行一次汇总(Combiner)，然后将汇总的结果交给Reduce，完成各个Map任务存在相同KEY的数据进行一次总的汇总，图：

Combiner代码：

    Combiner类，直接打开Combiner类源码是直接继承Reducer类，所以我们直接继承Reducer类即可，最终在提交时指定咱们定义的Combiner类即可

package com.itheima.hadoop.mapreduce.combiner;import java.io.IOException;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer;public class WordCountCombiner extends        Reducer
    
      {    @Override    protected void reduce(Text key, Iterable
     
       values, Context context)            throws IOException, InterruptedException {        long count = 0 ;        for (LongWritable value : values) {            count += value.get();        }        context.write(key, new LongWritable(count));    }}
     
    

Mapper类：

package com.itheima.hadoop.mapreduce.mapper;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;public class WordCountCombinerMapper extends        Mapper
    
      {    public void map(LongWritable key, Text value, Context context)            throws java.io.IOException, InterruptedException {                String line = value.toString(); //获取一行数据        String[] words = line.split(" "); //获取各个单词        for (String word : words) {            // 将每一个单词写出去            context.write(new Text(word), new LongWritable(1));        }                            }}
    

驱动类：

package com.itheima.hadoop.drivers;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.conf.Configured;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.util.Tool;import com.itheima.hadoop.mapreduce.combiner.WordCountCombiner;import com.itheima.hadoop.mapreduce.mapper.WordCountCombinerMapper;public class WordCountCombinerDriver extends Configured implements Tool{    @Override    public int run(String[] args) throws Exception {        /**         * 提交五重奏：         * 1、产生作业         * 2、指定MAP/REDUCE         * 3、指定MAPREDUCE输出数据类型         * 4、指定路径         * 5、提交作业         */        Configuration conf = new Configuration();        Job job = Job.getInstance(conf);        job.setJarByClass(WordCountCombinerDriver.class);        job.setMapperClass(WordCountCombinerMapper.class);                /***此处中间小插曲：combiner组件***/        job.setCombinerClass(WordCountCombiner.class);        /***此处中间小插曲：combiner组件***/                //reduce逻辑和combiner逻辑一致且combiner又是reduce的子类        job.setReducerClass(WordCountCombiner.class);        job.setMapOutputKeyClass(Text.class);        job.setMapOutputValueClass(LongWritable.class);        job.setOutputKeyClass(Text.class);        job.setOutputValueClass(LongWritable.class);        FileInputFormat.setInputPaths(job, new Path(args[0]));        FileOutputFormat.setOutputPath(job, new Path(args[1]));        return job.waitForCompletion(true) ? 0 : 1;    }}

主类：

package com.itheima.hadoop.runner;import org.apache.hadoop.util.ToolRunner;import com.itheima.hadoop.drivers.WordCountCombinerDriver;public class WordCountCombinerRunner {    public static void main(String[] args) throws Exception {                int res = ToolRunner.run(new WordCountCombinerDriver(), args);        System.exit(res);    }}

运行结果：