其实就是相同类型的数据, 有共性的数据, 送到一起去处理, 在Reduce过程中，可以根据实际需求（比如按某个维度进行归档，类似于数据库的分组），把Map完的数据Reduce到不同的文件中。分区的设置需要与ReduceTaskNum配合使用。比如想要得到5个分区的数据结果。那么就得设置5个ReduceTask。

需求：将以下数据进行分开处理

详细数据参见partition.csv 这个文本文件，其中第五个字段表示开奖结果数值，现在需求将15以上的结果以及15以下的结果进行分开成两个文件进行保存

分区步骤

1、定义 Mapper

这个 Mapper 程序不做任何逻辑, 也不对 Key-Value 做任何改变, 只是接收数据, 然后往下发送

public class MyMapper extends Mapper<LongWritable,Text,Text,NullWritable>{

    @Override

    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        context.write(value,NullWritable.get());

    }

}

2、自定义Partitioner

主要的逻辑就在这里, 这也是这个案例的意义, 通过 Partitioner 将数据分发给不同的 Reducer

/**

 * 这里的输入类型与我们map阶段的输出类型相同

 */

public class MyPartitioner extends Partitioner<Text,NullWritable>{

    /**

     * 返回值表示我们的数据要去到哪个分区

     * 返回值只是一个分区的标记，标记所有相同的数据去到指定的分区

     */

    @Override

    public int getPartition(Text text, NullWritable nullWritable, int i) {

        String result = text.toString().split("\\t")[5];

        if (Integer.parseInt(result) > 15){

            return 1;

        }else{

            return 0;

        }

    }

}

3、定义 Reducer 逻辑

这个 Reducer 也不做任何处理, 将数据原封不动的输出即可

public class MyReducer extends Reducer<Text,NullWritable,Text,NullWritable> {

    @Override

    protected void reduce(Text key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {

        context.write(key,NullWritable.get());

    }

}

4、主类中设置分区类和ReduceTask个数

public class PartitionerRunner {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

        //1、创建建一个job任务对象

        Configuration configuration = new Configuration();

        Job job = Job.getInstance(configuration, "mypartitioner");



        //2、指定job所在的jar包

        job.setJarByClass(PartitionerRunner.class);



        //3、指定源文件的读取方式类和源文件的读取路径

        job.setInputFormatClass(TextInputFormat.class); //按照行读取

        TextInputFormat.addInputPath(job, new Path("hdfs://node1:8020/input/partitioner")); //只需要指定源文件所在的目录即可

        // TextInputFormat.addInputPath(job, new Path("file:///E:\\\\input\\\\partitioner")); //只需要指定源文件所在的目录即可



        //4、指定自定义的Mapper类和K2、V2类型

        job.setMapperClass(PartitionerMapper.class); //指定Mapper类

        job.setMapOutputKeyClass(Text.class); //K2类型

        job.setMapOutputValueClass(NullWritable.class);//V2类型



        //5、指定自定义分区类（如果有的话）

        job.setPartitionerClass(MyPartitioner.class);

        //6、指定自定义分组类（如果有的话）

        //7、指定自定义的Reducer类和K3、V3的数据类型

        job.setReducerClass(PartitionerReducer.class); //指定Reducer类

        job.setOutputKeyClass(Text.class); //K3类型

        job.setOutputValueClass(NullWritable.class);  //V3类型





        //设置Reduce的个数

        job.setNumReduceTasks(2);



        //8、指定输出方式类和结果输出路径

        job.setOutputFormatClass(TextOutputFormat.class);

        TextOutputFormat.setOutputPath(job, new  Path("hdfs://node1:8020/output/partitioner")); //目标目录不能存在，否则报错

        //TextOutputFormat.setOutputPath(job, new  Path("file:///E:\\\\output\\\\partitoner")); //目标目录不能存在，否则报错



        //9、将job提交到yarn集群

        boolean bl = job.waitForCompletion(true); //true表示可以看到任务的执行进度



        //10.退出执行进程

        System.exit(bl?0:1);

    }

}

以上是关于2021年大数据Hadoop（十九）：MapReduce分区的主要内容，如果未能解决你的问题，请参考以下文章

2021年大数据Hadoop（二十一）：MapReuce的Combineer

2021年大数据Hadoop（二十）：MapReduce的排序和序列化

2021年大数据常用语言Scala（十九）：基础语法学习 iterator迭代器

2021年大数据ELK（十九）：使用FileBeat采集Kafka日志到Elasticsearch

2021年大数据Flink（三十九）：Table与SQL 总结 Flink-SQL常用算子

2021年大数据常用语言Scala（二十九）：scala面向对象单例对象