9.1hadoop 内置计数器、自定义枚举计数器、Streaming计数器

1.1 计数器

计数器的作用是用来统计数量的，用于记录特定事件的次数，分为内置计数器、自定义java枚举计数器、自定义Stream计数器三大类。用于质量分析，或应用级统计。分析计数器的值比分析一堆日志更高效。

计数器名称	计数器介绍
内置计数器	Hadoop自带的计数器，有特定的计数器名称。例如统计输入、输出的记录数量，输入输出的字节数。
自定义java枚举计数器	用户自定义的枚举型计数器，用于统计用户的特殊要求的计数器，例如统计记录中无效记录的数量。
自定义Streaming计数器	通过向标准输出流发送特定格式的信息，来增加指定计数器的数值。Streaming是hadoop工具，用于执行非java的map和reduce作业。

1.1.1 内置计数器

组别	名称/类别	参考
MapReduce任务计数器	org.apache.hadoop.mapreduce.TaskCounter	Map和reduce的任务统计
文件系统计数器	org.apache.hadoop.mapreduce.FiIeSystemCounter	文件系统读取写入统计
FiIeInputFormat计数器	org.apache.hadoop.mapreduce.lib.input.FilelnputFormatCounter	Map任务通过FilelnputForma读取数据的数量
FiIeOutputFormat计数器	org.apache.hadoop.mapreduce.lib.output.FileOutputFormatCounter	map任务（针对仅含map的作业）或者reduce任务通过FileOutputFormat写的字节数
作业计数器	org.apache.hadoop.mapreduce.JobCounter	从作业的维度统计的数值

（1） 任务计数器

MAP_INPUT_RECORDS计数器统计map任务输入记录的总数，一个作业的所有map任务进行聚集，定期发送给application master，全量发送更新。可以统计任务输入、输出的记录数量，输入、输出的字节数，分片（split）的原始字节数(SPLIT_RAW_BYTES)等

表内置的mapreduce任务计数器

计数器名称	说明
map输人的记录数(MAP_INPUT_RECORDS）	作业中所有map已处理的输人记录数。每次RecordReader读到一条记录并将其传给map的map()函数时，该计数器的值递增
分片（split）的原始字节数(SPLIT_RAW_BYTES)	由map读取的输人-分片对象的字节数。这些对象描述分片元数据（文件的位移和长度），而不是分片的数据自身，因此总规模是小的
map输出的记录数(MAP_OUTPUT_RECORDS)	作业中所有map产生的map输出记录数。每次某一个map 的OutputCollector调用collect()方法时，该计数器的值增加
map输出的字节数(MAP_OUTPUT_BYTES)	作业中所有map产生的耒经压缩的输出数据的字节数·每次某一个map的OutputCollector调用collect()方法时，该计数器的值增加
map输出的物化字节数（MAP_OUTPUT_MATERIALIZED_BYTES)	map输出后确实写到磁盘上的字节数；若map输出压缩功能被启用，则会在计数器值上反映出来
combine输人的记录数(COMBINE_INPUT_RECORDS)	作业中所有combiner(如果有）已处理的输人记录数。combiner的迭代器每次读一个值，该计数器的值增加。注意：本计数器代表combiner已经处理的值的个数，并非不同的键组数（后者并无实所意文，因为对于combiner而言，并不要求每个键对应一个组，详情参见2.4.2节和7.3节
combine输出的记录数(COMBINE_OUTPUT_RECORDS)	作业中所有combiner（如果有）已产生的输出记录数。每当一个combiner的OutputCollector调用collect()方法时，该计数器的值增加
reduce输人的组（REDUCE_INPUT_GROUPS）	作业中所有reducer已经处理的不同的码分组的个数。每当某一个reducer的reduce()被调用时，该计数器的值增加
reduce输人的记录数（REDUCE_INPUT_RECORDS)	作业中所有reducer已经处理的输人记录的个数。每当某个reducer的迭代器读一个值时，该计数器的值增加。如果所有reducer已经处理数完所有输人，則该计数器的值与计数器"map输出的记录"的值相同
reduce输出的记录数（REDUCE_OUTPUT_RECORDS）	作业中所有map已经产生的reduce输出记录数。每当某个reducer的OutputCollector调用collect()方法时，该计数器的值增加
reduce经过shuffle的字节数(REDUCE_SHUFFLE_BYTES)	由shume复制到reducer的map输出的字节数
溢出的记录数(SPILLED_RECORDS)	作业中所有map和reduce任务溢出到磁的记录数
CPU毫秒(CPU_MILLISECONDS)	一个任务的总CPU时间，以毫秒为单位，可由/proc/cpuinfo获取
物理内存字节数（PHYSICAL_MEMORY_BYTES）	一个任务所用的物理内存，以字节数为单位，可由/proc/meminfo获取
虚拟内存字节数(VIRTUAL_MEMORY_BYTES）	一个任务所用虚拟内存的字节数，由/proc/meminfo而'面获取
有效的堆字节数(COMMITTED_HEAP_BYTES)	在JVM中的总有效内存最（以字节为单位），可由Runtime. getRuntime().totalMemory()获取
GC运行时间毫秒数(GC_TIME_MILLIS)	在任务执行过程中，垃圾收集器(garbage collection）花费的时间（以毫秒为单位），可由GarbageCollector MXBean. getCollectionTime()获取
由shuffle传输的map输出数(SHUFFLED_MAPS)	由shume传输到reducer的map输出文件数，详情参见7.3节
失敗的shuffle数(FAILED_SHUFFLE)	shuffle过程中，发生map输出拷贝错误的次数
被合并的map输出数（MERGED_MAP_OUTPUTS）	shuffle过程中，在reduce端合并的map输出文件数
内置的文件系统任务计数器
计数器名称	说明
文件系统的读字节数（BYTES_READ）	由map任务和reduce任务在各个文件系统中读取的字节数，各个文件系统分别对应一个计数器，文件系统可以是ocal、 HDFS、S3等
文件系统的写字节数(BYTES_WRITTEN）	由map任务和reduce任务在各个文件系统中写的字节数
文件系统读操作的数量(READ_OPS)	由map任务和reduce任务在各个文件系统中进行的读操作的数量（例如，open操作，filestatus操作）
文件系统大规模读操作的数最(LARGE_READ_OPS)	由map和reduce任务在各个文件系统中进行的大规模读操作（例如，对于一个大容量目录进行list操作）的数
文件系统写操作的数最(WRITE_OPS)	由map任务和reduce任务在各个文件系统中进行的写操作的数量（例如，create操作，append操作）

内置的FilelnputFormat计数器
计数器名称	说明
读取的字节数(BYTES_READ)	由map任务通过FilelnputFormat读取的字节数
内置的FileOutputFormat任务计数器
计数器名称	说明
写的字节数(BYTES_WRITTEN)	由map任务（针对仅含map的作业）或者reduce任务通过FileOutputFormat写的字节数

（2） 作业计数器

作业计数器有application master维护，作业级别统计，值不会随着任务的执行而变化，例如TOTAL_LAUNCHED_MAPS统计作业执行的任务数。

计数器名称	说明
启用的map任务数（TOTAL_LAUNCHED_MAPS）	启动的map任务数，包括以“推测执行”方式启动的任务，详情参见7．4．2节
启用的reduce任务数(TOTAL_LAUNCHED_REDUCES)	启动的reduce任务数，包括以“推测执行”方式启动的任务
启用的uber任务数(TOTAL_LAIÆHED_UBERTASKS)	启用的uber任务数，详情参见7.1节
uber任务中的map数(NUM_UBER_SUBMAPS)	在uber任务中的map数
Uber任务中的reduce数(NUM_UBER_SUBREDUCES)	在任务中的reduce数
失败的map任务数（NUM_FAILED_MAPS）	失败的map任务数，用户可以参见7.2.1节对任务失败的讨论，了解失败原因
失败的reduce任务数(NUM_FAILED_REDUCES)	失败的reduce任务数
失败的uber任务数(NIN_FAILED_UBERTASKS)	失败的uber任务数
被中止的map任务数（NUM_KILLED_MAPS）	被中止的map任务数，可以参见7.2.1节对任务失败的讨论，了解中止原因
被中止的reduce任务数(NW_KILLED_REDUCES)	被中止的reduce任务数
数据本地化的map任务数（DATA_LOCAL_MAPS）	与输人数据在同一节点上的map任务数
机架本地化的map任务数（RACK_LOCAL_MAPS)	与输人数据在同一机架范围内但不在同一节点上的map任务数
其他本地化的map任务数（OTHER_LOCAL_MAPS）	与输人数据不在同一机架范围内的map任务数。山于机架之间的带宽资源相对较少，Hadoop会尽量让map任务靠近输人数据执行，因此该计数器值一般比较小。详情参见图2-2
map任务的总运行时间(MILLIS_MAPS)	map任务的总运行时间，单位毫秒。包括以推测执行方式启动的任务。可参见相关的度量内核和内存使用的计数器(VCORES_MILLIS_MAPS和MB_MILLIS_MAPS）
reduce任务的总运行时间(MILLIS_REDUCES)	reduce任务的总运行时间，单位毫秒。包括以推滌执行方式启动的任务。可参见相关的度量内核和内存使用的计数器(VCORES _MILLIS_REDUCES和MB_MILLIS_REDUCES)

1.1.2
自定义java计数器

计数器由java枚举类型来定义，以便进行分组，枚举名称即为组名，字段即为计数器，计数器为全局的，mapreduce框架跨所有map和reduce聚集这些计数器。

import java.io.IOException;

import java.util.Iterator;

import org.apache.hadoop.conf.Configured;

import org.apache.hadoop.io.*;

import org.apache.hadoop.mapred.JobClient;

import org.apache.hadoop.mapred.JobConf;

import
org.apache.hadoop.mapred.MapReduceBase;

import org.apache.hadoop.mapred.Mapper;

import
org.apache.hadoop.mapred.OutputCollector;

import org.apache.hadoop.mapred.Reducer;

import org.apache.hadoop.mapred.Reporter;

import org.apache.hadoop.util.Tool;

import org.apache.hadoop.util.ToolRunner;

//统计最高气温的作业。也统计气温值缺少的记录，不规范的记录

public class MaxTemperatureWithCounters
extends Configured implements Tool {

//自定义计数器

enum Temperature {

MiSSING, //统计气温缺失的记录

MALFORMED//统计不规则的记录

}

//定义maper

static
class MaxTemeratureMapperWithCounters extends MapReduceBase implements

Mapper<LongWritable,
Text, Text, IntWritable> {

private
NcdcRecordParser parser = new NcdcRecordParser();

@Override

public
void map(LongWritable key, Text value,

OutputCollector<Text,
IntWritable> output, Reporter reporter)

throws
IOException {

parser.parse(value);

if
(parser.isValidTemperature()) {

int
airTemperature = parser.getAirTemperature();

output.collect(new
Text(parser.getYear()), new IntWritable(

airTemperature));

}
else if (parser.isMa1formedTemperature()) {

//增加计数器的值 //context.getCounter(Temperature.MALFORMED).increment(1);

// Reporter是MapReduce提供给应用程序的工具。可使用Reporter中的方法报告完成进度(progress)、设定状态消息(setStatus)以及更新计数器(incrCounter)

reporter.incrCounter(Temperature.MALFORMED, 1);

}
else if (parser.IsMissingTemperature()) {

//context.getCounter(Temperature.MISSING).increment(1);

reporter.incrCounter(Temperature.
MISSING, 1);

}

//动态计数器 context.getCounter(“TemperatureQuality”,parse.getQuality()).increment(1);

}

//定义reduce

static
class MaxTemperatureReduceWithCounters extends MapReduceBase implements

Reducer<Text,
IntWritable, Text, IntWritable> {

public
void reduce(Text key, Iterator<IntWritable> values,

OutputCollector<Text,
IntWritable> output, Reporter reporter)

throws
IOException {

int
maxValue = Integer.MIN_VALUE;

while
(values.hasNext()) {

maxValue
= Math.max(maxValue, values.next().get());

}

output.collect(key,
new IntWritable(maxValue));

}

@Override

public
int run(String[] args) throws Exception {

args
= new String[] { "/test/input/t", "/test/output/t" }; // 给定输入输出路径

JobConf
conf = JobBuilder.parseInputAndOutput(this, getConf(), args);

if
(conf == null) {

return
-1;

}

conf.setOutputKeyClass(Text.class);

conf.setOutputValueClass(IntWritable.class);

conf.setMapperClass(MaxTemeratureMapperWithCounters.class);

conf.setCombinerClass(MaxTemperatureReduceWithCounters.class);

conf.setReducerClass(MaxTemperatureReduceWithCounters.class);

JobClient.runJob(conf);

return
0;

}

public
static void main(String[] args) throws Exception {

int
exitCode = ToolRunner.run(new MaxTemperatureWithCounters(), args);

System.exit(exitCode);

}

执行任务，-counters参数，会输出所有计数器的值

hadoop
jar Hadoop-examples.jar MaxTemperatureWithCounter input/ncdc/all output -counters

（1）动态计数器

动态计数器不像枚举型计数器需要提前定义组名和计数器类型，而是通过字符串名称动态的创建计数器。枚举类型计数器传入枚举类型也要转成String，所以两种方法时等价的，枚举型简单安全。

context.getCounter(String
groupName,String counterName);

context.getCounter(“TemperatureQuality”,parse.getQuality()).increment(1);

（2）获取计数器

或者用javaAPI获取计数器值。根据配置信息创建cluster对象，根据jobid获取job，获取job的计数器，根据类路径获取计数器的值，counters.findCounter(MaxtemperatureCounters.Temperature.MISSING).getValue();方法。

public
class MissingTemperatureFields extends Configured implement Tool{

@override

public
int run（String[] args）throws Exception{

if(args.length（）！=1)

{

return -1；

}

String jobID=args[0];

//根据配置信息创建cluster对象

Cluster cluster =new
Cluster(getConf());

//根据jobid获取job

Job job=cluster.getJob(JobID.forName(jobID));

if(job==null)

{

System.err.printf(“NO
job with ID %s”,jobID);

return
-1;

}

if(!job.isComplete())

{

System.err.printf(“job
ID %s is not complete”,jobID);

return
-1;

}

获取job的计数器，

Counters counters=job.getCounters();

//根据路径获取计数器的值

long missing=counters.findCounter(MaxtemperatureCounters.Temperature.MISSING).getValue();

long total=counters.finCounter(TaskCounter.MAP_INPUT_RECORDS).getValue();

//计算任务的失败率

System.out.printf(“Records missing present %.2f/%%\n”,100.0*missing/total);

}

public
static void main(String[] args)throw Exception{

int
exitCode=ToolRunner.run(new MissingTemperatureFields(),args);

System.exit(exitCode);

}

执行hadoop任务，传入jobid参数

%hadoop
jar hadoop-example.jar MissingTempratureFields job_11223131_0007

1.1.3
用户自定义的Streaming计数器

Hadoop
streaming是hadoop的一个工具，用于运行非java的maper或reducer作业，例如maper和reducer是C++编写的可执行程序或者脚本文件。使用Streaming的mapreduce程序可以像保准错误流发送特殊格式的信息，增加计数器的值格式如下：reporter:counter:group.counter,amount

Python实例如下

sys.stderr.write(“reporter:counter:Temperature,Missing,1
\n”);

状态信息发送格式如下

sys.stderr.write(“reporter:status:message”);

1.1.4
获取计数器的方法汇总

1）web界面查看计数器值

2）命令行mapred job –counter查看计数器的值；

3）动态计数器用context获取，context.getCounter (“TemperatureQuality”,parse.getQuality()).increment(1);

4）用context的getCounter方法或者用reportor的incrCounter方法context.getCounter(Temperature.MISSING).increment(1);reporter.incrCounter(Temperature.
MISSING, 1);

5）Streaming程序，即非java的mapreduce程序，通过向标准输出发送固定格式的数据来增加计数器的值。sys.stderr.write(“reporter:counter:Temperature,Missing,1
\n”);

6）或者用javaAPI获取计数器值。根据配置信息创建cluster对象，根据jobid获取job，获取job的计数器，根据类路径获取计数器的值，counters.findCounter(MaxtemperatureCounters.Temperature.MISSING).getValue();

自己开发了一个股票智能分析软件，功能很强大，需要的点击下面的链接获取：

https://www.cnblogs.com/bclshuai/p/11380657.html