MapReduce-Partition分区

Partition分区

1.默认Partitioner分区

java 复制代码
(key.hashcode() & Interger.MAX_VALUE) % numReduceTasks

numReduceTasks默认为:1
//输出文件一个

默认分区根据key的hashCode对ReduceTasks个数取模。
用户控制那个key存储到那个分区

2.手动设置分区

java 复制代码
//设置分区
job.setNumReduceTasks(2);

3.自定义分区步骤

(1)三步

a.自定义类继承Partitioner,重写getPartition()方法

java 复制代码
public class ProvincePartitioner extends Partitioner<Text, FlowBean> {
    @Override
    public int getPartition(Text text, FlowBean flowBean, int i) {
        return 0;
    }
}

b.在Job驱动中,设置自定义Partitioner

java 复制代码
 job.setPartitionerClass(ProvincePartitioner.class);

c.自定义Partition后,根据自定义Partitioner的逻辑设置相应的ReduceTask

java 复制代码
job.setNumReduceTasks(5);

Partition分区案例实操

1.需求

复制代码
将统计结果按照手机归属地不同省份输出到不同文件中(分区)

(1)输入数据

markdown 复制代码
1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
2	13846544121	192.196.100.2			264	0	200
3 	13956435636	192.196.100.3			132	1512	200
4 	13966251146	192.168.100.1			240	0	404
5 	18271575951	192.168.100.2	www.atguigu.com	1527	2106	200
6 	84188413	192.168.100.3	www.atguigu.com	4116	1432	200
7 	13590439668	192.168.100.4			1116	954	200
8 	15910133277	192.168.100.5	www.hao123.com	3156	2936	200
9 	13729199489	192.168.100.6			240	0	200
10 	13630577991	192.168.100.7	www.shouhu.com	6960	690	200
11 	15043685818	192.168.100.8	www.baidu.com	3659	3538	200
12 	15959002129	192.168.100.9	www.atguigu.com	1938	180	500
13 	13560439638	192.168.100.10			918	4938	200
14 	13470253144	192.168.100.11			180	180	200
15 	13682846555	192.168.100.12	www.qq.com	1938	2910	200
16 	13992314666	192.168.100.13	www.gaga.com	3008	3720	200
17 	13509468723	192.168.100.14	www.qinghua.com	7335	110349	404
18 	18390173782	192.168.100.15	www.sogou.com	9531	2412	200
19 	13975057813	192.168.100.16	www.baidu.com	11058	48243	200
20 	13768778790	192.168.100.17			120	120	200
21 	13568436656	192.168.100.18	www.alibaba.com	2481	24681	200
22 	13568436656	192.168.100.19			1116	954	200

(2)期望输出数据

复制代码
手机号136、137、138、139开头都分别放到一个独立的4个文件中,其他开头的放到一个文件中。

2.代码实现

在Flow基础上实现

Partitioner类
java 复制代码
package com.saddam.bigdata.ShangGuiGu.Shuffle.Partition;

import com.saddam.bigdata.ShangGuiGu.Writable.FlowBean;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;

public class ProvincePartitioner extends Partitioner<Text, FlowBean> {
    @Override
    public int getPartition(Text key, FlowBean value, int numPartitions) {
        //key是手机号,value是流量信息bean对象

        //第一步:获取手机号前三位
        String prePhoneNum=key.toString().substring(0,3);

        int partition=4;
        //判断
        if ("136".equals(numPartitions)) {
            partition = 0;
        }else if ("137".equals(numPartitions)){
            partition=1;
        }else if ("138".equals(numPartitions)) {
            partition = 2;
        }else if ("139".equals(numPartitions)) {
            partition = 3;
        }
        return partition;
    }
}
Driver类
java 复制代码
package com.saddam.bigdata.ShangGuiGu.Shuffle.Partition;

import com.saddam.bigdata.ShangGuiGu.Writable.FlowBean;
import com.saddam.bigdata.ShangGuiGu.Writable.FlowMapper;
import com.saddam.bigdata.ShangGuiGu.Writable.FlowReducer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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.log4j.BasicConfigurator;

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

        BasicConfigurator.configure();
        //1.获取job
        Configuration configuration=new Configuration();
        Job job=Job.getInstance(configuration);

        //2.设置jar包
        job.setJarByClass(ProvinceDriver.class);

        //3.关联Mapper和Reducer
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);

        //4.设置map输出类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        //5.设最终输出的kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);


        job.setPartitionerClass(ProvincePartitioner.class);

        job.setNumReduceTasks(5);

        //6.设置输入输出路径
        FileInputFormat.setInputPaths(job,new Path("D:\\MR\\MapReduce\\InputDatas\\phone.txt"));
        FileOutputFormat.setOutputPath(job,new Path("D:\\MR\\MapReduce\\OutputDatas\\output_partition\\output_Flow"));

        //7.提交job
        boolean result=job.waitForCompletion(true);

        System.exit(result?0:1);
    }
}

总结

markdown 复制代码
若Partition类中int partition=4;设置5个分区

但是

        job.setNumReduceTasks(5);--》   job.setNumReduceTasks(1);
        
成功运行,但是输出结果就一个文件,相当于未分区



		job.setNumReduceTasks(5);--》   job.setNumReduceTasks(2);
报错IO异常

		job.setNumReduceTasks(5);--》   job.setNumReduceTasks(6);
大于程序可以运行,输出多一个空文件
相关推荐
kngines27 分钟前
【PostgreSQL数据分析实战:从数据清洗到可视化全流程】金融风控分析案例-10.4 模型部署与定期评估
postgresql·数据分析·存储过程·jsonb·pg_cron·ks值·影子测试机制
想看雪的瓜40 分钟前
Nature图形复现—两种快速绘制热图的方法
信息可视化·数据挖掘·数据分析
镜舟科技1 小时前
湖仓一体架构在金融典型数据分析场景中的实践
starrocks·金融·架构·数据分析·湖仓一体·物化视图·lakehouse
椰椰椰耶1 小时前
【RabbitMQ】工作队列和发布/订阅模式的具体实现
分布式·rabbitmq·ruby
猪猪果泡酒1 小时前
Spark,RDD中的行动算子
大数据·分布式·spark
2401_871290582 小时前
Spark处理过程-转换算子
大数据·分布式·spark
Betty_蹄蹄boo2 小时前
运行Spark程序-在Spark-shell——RDD
大数据·分布式·spark
李恒-聆机智能专精数采2 小时前
从零开始了解数据采集(二十七)——什么IIOT平台
大数据·人工智能·云计算·制造·数据采集·数据可视化
Caron_xcb2 小时前
大数据——解决Matplotlib 字体不足问题(Linux\mac\windows)
大数据·linux·matplotlib
堕落年代2 小时前
SpringBoot的单体和分布式的任务架构
spring boot·分布式·架构