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
武子康3 小时前
大数据-100 Spark DStream 转换操作全面总结:map、reduceByKey 到 transform 的实战案例
大数据·后端·spark
expect7g4 小时前
Flink KeySelector
大数据·后端·flink
阿里云大数据AI技术19 小时前
StarRocks 助力数禾科技构建实时数仓:从数据孤岛到智能决策
大数据
Lx3521 天前
Hadoop数据处理优化:减少Shuffle阶段的性能损耗
大数据·hadoop
努力的小郑1 天前
从一次分表实践谈起:我们真的需要复杂的分布式ID吗?
分布式·后端·面试
武子康1 天前
大数据-99 Spark Streaming 数据源全面总结:原理、应用 文件流、Socket、RDD队列流
大数据·后端·spark
AAA修煤气灶刘哥2 天前
别让Redis「歪脖子」!一次搞定数据倾斜与请求倾斜的捉妖记
redis·分布式·后端
阿里云大数据AI技术2 天前
大数据公有云市场第一,阿里云占比47%!
大数据
Lx3522 天前
Hadoop容错机制深度解析:保障作业稳定运行
大数据·hadoop