如何在分区器 hadoop 中使用分布式缓存？

Posted 2023-04-18

【中文标题】如何在分区器 hadoop 中使用分布式缓存？

【英文标题】：How to use Distributed cache in partitioner hadoop?

【发布时间】：2016-09-20 07:00:02

【问题描述】：

我是 hadoop 和 mapreduce 分区程序的新手。我想编写自己的分区程序，我需要在分区程序中读取文件。我已经搜索了很多次，我知道我应该使用分布式缓存。这是我的问题，我如何在我的 hadoop 分区器中使用分布式缓存？我应该在我的分区器中写什么？

public static class CaderPartitioner extends Partitioner<Text,IntWritable> 

    @Override
    public int getPartition(Text key, IntWritable value, int numReduceTasks) 
        return 0; 
    

谢谢

【参考方案1】：

解决这个问题的最简单方法是查看 hadoop 中包含的示例分区器。在这种情况下，要查看的是TotalOrderPartitioner，它会读入预先生成的文件以帮助直接键。

你可以找到源代码here，这里是gist展示如何使用它。

首先，您需要告诉分区程序在您的 mapreduce 作业驱动程序（在 HDFS 上）中可以找到文件的位置：

// Define partition file path.
Path partitionPath = new Path(outputDir + "-part.lst");
// Use Total Order Partitioner.
job.setPartitionerClass(TotalOrderPartitioner.class);
// Generate partition file from map-only job's output.
TotalOrderPartitioner.setPartitionFile(job.getConfiguration(), partitionPath);

在TotalOrderPartitioner 中，您会看到implements Configurable 允许它访问配置，因此它可以获取HDFS 上文件的路径。

文件在public void setConf(Configuration conf)方法中被读取，该方法将在创建Partitioner对象时被调用。此时您可以读取文件并进行任何您想要的设置。

我认为您可以重复使用此分区程序中的大量代码。

【讨论】：

感谢您的回复。我很抱歉，但我在这个领域真的很陌生，我不明白这个分区程序是如何读取文件的。你可以给我一个更简单的例子吗？谢谢

我做了。谢谢 ！谢谢:))