MapReduce的Partition 分区

Posted 2021-11-04 NC_NE

一、Partitioner分区位置

从MapRedece框架原理里面我们发现在进入环形缓冲区有一个分区的操作，如图

二、Partitioner分区机制

源码默认采用HashPartitioner，源码如下

public class HashPartitioner<K2, V2> implements Partitioner<K2, V2> {

  public void configure(JobConf job) {}

  /** Use {@link Object#hashCode()} to partition. */
  public int getPartition(K2 key, V2 value,
                          int numReduceTasks) {
    return (key.hashCode() & Integer.MAX_VALUE) % numReduceTasks;
  }

}

默 认分区是根据key的hashCode对ReduceTasks个数取模得到的。用户没法控制哪个key存储到哪个分区。

三、自定义Partitioner分区

3.1 重点步骤：

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

（2）在Job驱动中，设置自定义Partitioner

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

3.2 Partition 分区案例实操

（1）需求：mapReduce序列化文章中我们统计了手机上行流量和下行流量和总流量，这次我们要进行分区那就按照手机号 136、137、138、139 和其它开头都分别放到一个独立的 5 个分区中

（2）准备数据

13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
13846544121	192.196.100.2			264	0	200
13956435636	192.196.100.3			132	1512	200
13966251146	192.168.100.1			240	0	404
18271575951	192.168.100.2	www.atguigu.com	1527	2106	200
84188413	192.168.100.3	www.atguigu.com	4116	1432	200
13590439668	192.168.100.4			1116	954	200
15910133277	192.168.100.5	www.hao123.com	3156	2936	200
13729199489	192.168.100.6			240	0	200
13630577991	192.168.100.7	www.shouhu.com	6960	690	200
15043685818	192.168.100.8	www.baidu.com	3659	3538	200
15959002129	192.168.100.9	www.atguigu.com	1938	180	500
13560439638	192.168.100.10			918	4938	200
13470253144	192.168.100.11			180	180	200
13682846555	192.168.100.12	www.qq.com	1938	2910	200
13992314666	192.168.100.13	www.gaga.com	3008	3720	200
13509468723	192.168.100.14	www.qinghua.com	7335	110349	404
18390173782	192.168.100.15	www.sogou.com	9531	2412	200
13975057813	192.168.100.16	www.baidu.com	11058	48243	200
13768778790	192.168.100.17			120	120	200
13568436656	192.168.100.18	www.alibaba.com	2481	24681	200
13568436656	192.168.100.19			1116	954	200

（3） 自定义一个分区类MyPartitioner

public class MyPartitioner extends Partitioner<Text,FlowBean> {
    
    /**
     * 
     * @param text map方法输出的key
     * @param flowBean map方法输出的value
     * @param numPartitions
     * @return
     */
    @Override
    public int getPartition(Text text, FlowBean flowBean, int numPartitions) {
        
        int partitions = 0;
        //获取手机号的前三位
        String prePheno = text.toString().substring(0,3);

        if ("136".equals(prePheno)){
            partitions = 0;
        }else if ("137".equals(prePheno)){
            partitions = 1;
        }else if ("138".equals(prePheno)){
            partitions = 2;
        }else if ("139".equals(prePheno)){
            partitions = 3;
        }else{
            partitions = 4;
        }

        return partitions;
    }
}

（4） Dirver代码设置设置自定义Partitioner和分区个数

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

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

其余代码和Mapreduce序列化文章完全一致

（5）运行结果

五个文件，说明有五个分区，数据也是按照了我们的要求进行了分区

通过日志我们也可发现是有五个reduce执行，所以最终会产生五个文件

四、源码执行流程分析

我们知道分区是在进入到环形缓冲区开始分区的，所以肯定在MapTask阶段的Collect阶段

        1、读取文件，进入map处理

         2、Map端处理，开始数据写入到环形缓冲区

         3、一系列写准备，最终调用collector.collect()方法

          4、进入到自定义分区