Hadoop中的MapReduce框架原理自定义Partitioner步骤在Job驱动中，设置自定义PartitionerPartition 分区案例

Posted 2022-10-05 Redamancy_06

文章目录

• 13.MapReduce框架原理
• • 13.3Shuffle机制
  • • 13.3.2Partition分区
    • • 13.3.2.3自定义Partitioner步骤
      • • 13.3.2.3.1自定义类继承Partitioner，重写getPartition()方法
        • 13.3.2.3.2在Job驱动中，设置自定义Partitioner
        • 13.3.2.3.3自定义Partition后，要根据自定义Partitioner的逻辑设置相应数量的ReduceTask
      • 13.3.2.4分区总结
      • 13.3.2.5案例分析
    • 13.3.3Partition 分区案例实操
    • • 13.3.3.1需求
      • 13.3.3.2需求分析
      • 13.3.3.3 Partition 分区案例演示

13.MapReduce框架原理

13.3Shuffle机制

13.3.2Partition分区

13.3.2.3自定义Partitioner步骤

13.3.2.3.1自定义类继承Partitioner，重写getPartition()方法

public class CustomPartitioner extends Partitioner<Text, FlowBean> 
	@Override
	public int getPartition(Text key, FlowBean value, int numPartitions) 
	// 控制分区代码逻辑
		… …
		return partition; 
	 
 

13.3.2.3.2在Job驱动中，设置自定义Partitioner

job.setPartitionerClass(CustomPartitioner.class);

13.3.2.3.3自定义Partition后，要根据自定义Partitioner的逻辑设置相应数量的ReduceTask

job.setNumReduceTasks(5);

13.3.2.4分区总结

（1）如果ReduceTask的数量> getPartition的结果数，则会多产生几个空的输出文件part-r-000xx；
（2）如果1<ReduceTask的数量<getPartition的结果数，则有一部分分区数据无处安放，会Exception；
（3）如 果ReduceTask的数量=1，则不管MapTask端输出多少个分区文件，最终结果都交给这一个ReduceTask，最终也就只会产生一个结果文件 part-r-00000；
（4）分区号必须从零开始，逐一累加。

13.3.2.5案例分析

例如：假设自定义分区数为5，则
（1）job.setNumReduceTasks(1); 会正常运行，只不过会产生一个输出文件
（2）job.setNumReduceTasks(2); 会报错
（3）job.setNumReduceTasks(6);大于5，程序会正常运行，会产生空文件

13.3.3Partition 分区案例实操

13.3.3.1需求

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

1	13736230513	192.196.100.1	www.baidu.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.baidu.com	1527	2106	200
6 	84188413	192.168.100.3	www.baidu.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.baidu.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
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

13.3.3.2需求分析

1、需求：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）

2、数据输入
13630577991 6960 690
13736230513 2481 24681
13846544121 264 0
13956435636 132 1512
13560439638 918 4938

3、期望数据输出
文件1
文件2
文件3
文件4
文件5

4、增加一个ProvincePartitioner分区
136 分区0
137 分区1
138 分区2
139 分区3
其他 分区4

5、Driver驱动类
//指定自定义数据分区
job.setPartitionerClass ( ProvincePartitioner.class) ;
//同时指定相应数量的reduceTask
job.setNumReduceTasks ( 5);

13.3.3.3 Partition 分区案例演示

创建一个partitioner2的文件夹，将writable里面4个java代码同时复制到partitioner2里面

在案例writable的基础上，增加一个分区类

package com.summer.mapreduce.partitioner;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;

public class ProvincePartitioner extends Partitioner<Text, FlowBean> 

    @Override
    public int getPartition(Text text, FlowBean flowBean, int numPartitions) 
        //获取手机号前三位prePhone
        String phone = text.toString();
        String prePhone = phone.substring(0, 3);

        //定义一个分区号变量partition,根据prePhone设置分区号
        int partition;

        if("136".equals(prePhone))
            partition = 0;
        else if("137".equals(prePhone))
            partition = 1;
        else if("138".equals(prePhone))
            partition = 2;
        else if("139".equals(prePhone))
            partition = 3;
        else 
            partition = 4;
        

        //最后返回分区号partition
        return partition;
    

在驱动函数中增加自定义数据分区设置和ReduceTask设置

package com.summer.mapreduce.partitioner;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
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 java.io.IOException;

public class FlowDriver 

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

        //1 获取job对象
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        //2 关联本Driver类
        job.setJarByClass(FlowDriver.class);

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

        //4 设置Map端输出数据的KV类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        //5 设置程序最终输出的KV类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        //8 指定自定义分区器
        job.setPartitionerClass(ProvincePartitioner.class);

        //9 同时指定相应数量的ReduceTask
        job.setNumReduceTasks(5);

        //6 设置输入输出路径
        FileInputFormat.setInputPaths(job, new Path("D:\\\\inputflow"));
        FileOutputFormat.setOutputPath(job, new Path("D\\\\partitionout"));

        //7 提交Job
        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : 1);
    

运行完后有五个分区，和预想值一样，over！