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
赵部长风向标13 分钟前
在本地生活赛道,如何打造属于自己的业务护城河?
大数据
青云交25 分钟前
Java 大视界 -- Java 大数据在智能教育学习社区互动模式创新与用户活跃度提升中的应用(426)
java·大数据·学习·flink 实时计算·智能教育社区·互动模式创新·用户活跃度
snowful world3 小时前
flink实验三:实时数据流处理(踩坑记录)
大数据·flink
B站_计算机毕业设计之家3 小时前
基于大数据的短视频数据分析系统 Spark哔哩哔哩视频数据分析可视化系统 Hadoop大数据技术 情感分析 舆情分析 爬虫 推荐系统 协同过滤推荐算法 ✅
大数据·hadoop·爬虫·spark·音视频·短视频·1024程序员节
一晌小贪欢5 小时前
Python爬虫第10课:分布式爬虫架构与Scrapy-Redis
分布式·爬虫·python·网络爬虫·python爬虫·python3
面向星辰5 小时前
day07 spark sql
大数据·sql·spark
北邮-吴怀玉5 小时前
2.2.2.3 大数据方法论与实践指南-开源服务跟踪工具对比
大数据·开源
亚远景aspice6 小时前
亚远景热烈祝贺保隆科技通过ASPICE CL2评估
大数据·人工智能·物联网
赵谨言7 小时前
基于python大数据的城市扬尘数宇化监控系统的设计与开发
大数据·开发语言·经验分享·python
程序员小羊!7 小时前
Flink状态编程之算子状态(OperatorState)
大数据·flink