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
Qyr994 小时前
2026-2032直接芯片液冷板市场爆发式增长:AI算力浪潮下的热管理核心赛道
大数据·人工智能
蓝色的风-20265 小时前
国产算力双雄对决:曙光8000十万卡集群 vs 华为昇腾950超节点深度解析
大数据·人工智能·自然语言处理
泛联新安6 小时前
软件定义汽车时代,如何让AI研发“可信”?——泛联新安构建汽车企业级可信AI体系的落地路径
大数据·人工智能·安全·网络安全·汽车·漏洞挖掘·代码安全
杨云龙UP6 小时前
TDengine 3.4.2.8 Community 三节点三副本生产集群部署实战(DNode/MNode/taosAdapter/Explorer)
大数据·linux·运维·数据库·tdengine·时序库
逐流人6 小时前
Ceph分布式存储集群配置与池管理:从配置优先级到PG、复本池与纠删码池
运维·分布式·ceph·云原生·云计算·rados
SelectDB技术团队7 小时前
一条日志两套引擎的账:把 Elasticsearch 检索与分析合并到同一份数据的落地写法
大数据·数据库·elasticsearch·搜索引擎·全文检索·日志·apache doris
大大大大晴天7 小时前
每天认识一个组件:远端数据服务Apache Celeborn
大数据
幂律智能8 小时前
海外业务不同,合同系统该怎么建?
大数据·人工智能
Leo.yuan8 小时前
数据开发即质量检测:FineDataLink 5.0 在生产数据链路中的一体化实践
大数据
哲霖软件8 小时前
非标机械设备公司怎么做信息化?破解通用ERP水土不服难题
大数据·运维