MapReduce之自定義分割槽器Partitioner

阿新 • • 發佈：2020-07-21

@ 目錄

問題引出
預設Partitioner分割槽
自定義Partitioner步驟
Partition分割槽案例實操
分割槽總結

問題引出

要求將統計結果按照條件輸出到不同檔案中（分割槽）。

比如：將統計結果按照手機歸屬地不同省份輸出到不同檔案中（分割槽）

預設Partitioner分割槽

public class HashPartitioner<K,V> extends Partitioner<K,V>{

	public int getPartition(K key,V value, int numReduceTasks){

		return (key.hashCode() & Integer.MAX VALUE) & numReduceTasks;
 

	}

}

預設分割槽是根據key的hashCode對ReduceTasks個數取模得到的。
使用者沒法控制哪個key儲存到哪個分割槽。

自定義Partitioner步驟

自定義類繼承Partitioner，重寫getPartition()方法

public class CustomPartitioner extends Partitioner<Text，FlowBea>{

	@Override

	public int getPartition(Text key，FlowBean value，int numPartitions){

		//控制分割槽程式碼邏輯

		……

		return partition；
 

	}

}

在Job驅動類中，設定自定義Partitioner

job.setPartitionerClass(CustomPartitioner.class)

自定義Partition後，要根據自定義Partitioner的邏輯設定相應數量的ReduceTask

 job.setNumReduceTask(5);//假設需要分5個區

Partition分割槽案例實操

將統計結果按照手機歸屬地不同省份輸出到不同檔案中（分割槽）

輸入資料：

期望輸出資料：

手機號136、137、138、139開頭都分別放到一個獨立的4個檔案中，其他開頭的放到一個檔案中。所以總共分為5個檔案，也就是五個區。

相比於之前的自定義flowbean，這次自定義分割槽，只需要多編寫一個分割槽器，以及在job驅動類中設定分割槽器，mapper和reducer類不改變

MyPartitioner.java

/*

 * KEY, VALUE: Mapper輸出的Key-value型別

 */

public class MyPartitioner extends Partitioner<Text, FlowBean>{

	// 計算分割槽  numPartitions為總的分割槽數，reduceTask的數量

	// 分割槽號必須為int型的值，且必須符合 0<= partitionNum < numPartitions

	@Override

	public int getPartition(Text key, FlowBean value, int numPartitions) {

		String suffix = key.toString().substring(0, 3);//前開後閉，取手機號前三位數

		int partitionNum=0;//分割槽編號

		switch (suffix) {

		case "136":

			partitionNum=numPartitions-1;//由於分割槽編號不能大於分割槽總數，所以用這種方法比較好

			break;

		case "137":

			partitionNum=numPartitions-2;

			break;

		case "138":

			partitionNum=numPartitions-3;

			break;

		case "139":

			partitionNum=numPartitions-4;

			break;

		default:

			break;

		}

		return partitionNum;

	}

}

FlowBeanDriver.java

public class FlowBeanDriver {

	public static void main(String[] args) throws Exception {

		Path inputPath=new Path("e:/mrinput/flowbean");

		Path outputPath=new Path("e:/mroutput/partitionflowbean");

		//作為整個Job的配置

		Configuration conf = new Configuration();

		//保證輸出目錄不存在

		FileSystem fs=FileSystem.get(conf);

		if (fs.exists(outputPath)) {

			fs.delete(outputPath, true);

		}

		// ①建立Job

		Job job = Job.getInstance(conf);

		// ②設定Job

		// 設定Job執行的Mapper，Reducer型別，Mapper,Reducer輸出的key-value型別

		job.setMapperClass(FlowBeanMapper.class);

		job.setReducerClass(FlowBeanReducer.class);

		// Job需要根據Mapper和Reducer輸出的Key-value型別準備序列化器，通過序列化器對輸出的key-value進行序列化和反序列化

		// 如果Mapper和Reducer輸出的Key-value型別一致，直接設定Job最終的輸出型別

		job.setOutputKeyClass(Text.class);

		job.setOutputValueClass(FlowBean.class);

		// 設定輸入目錄和輸出目錄

		FileInputFormat.setInputPaths(job, inputPath);

		FileOutputFormat.setOutputPath(job, outputPath);

		// 設定ReduceTask的數量為5

		job.setNumReduceTasks(5);

		// 設定使用自定義的分割槽器

		job.setPartitionerClass(MyPartitioner.class);

		// ③執行Job

		job.waitForCompletion(true);

	}

}

FlowBeanMapper.java

/*

 * 1. 統計手機號(String)的上行(long,int)，下行(long,int)，總流量(long,int)

 *

 * 手機號為key,Bean{上行(long,int)，下行(long,int)，總流量(long,int)}為value

 *

 *

 *

 *

 */

public class FlowBeanMapper extends Mapper<LongWritable, Text, Text, FlowBean>{

	private Text out_key=new Text();

	private FlowBean out_value=new FlowBean();

	// (0,1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200)

	@Override

	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context)

			throws IOException, InterruptedException {

		String[] words = value.toString().split("\t");

		//封裝手機號

		out_key.set(words[1]);

		// 封裝上行

		out_value.setUpFlow(Long.parseLong(words[words.length-3]));

		// 封裝下行

		out_value.setDownFlow(Long.parseLong(words[words.length-2]));

		context.write(out_key, out_value);

	}

}

FlowBeanReducer.java

public class FlowBeanReducer extends Reducer<Text, FlowBean, Text, FlowBean>{

	private FlowBean out_value=new FlowBean();

	@Override

	protected void reduce(Text key, Iterable<FlowBean> values, Reducer<Text, FlowBean, Text, FlowBean>.Context context)

			throws IOException, InterruptedException {

		long sumUpFlow=0;

		long sumDownFlow=0;

		for (FlowBean flowBean : values) {

			sumUpFlow+=flowBean.getUpFlow();

			sumDownFlow+=flowBean.getDownFlow();

		}

		out_value.setUpFlow(sumUpFlow);

		out_value.setDownFlow(sumDownFlow);

		out_value.setSumFlow(sumDownFlow+sumUpFlow);

		context.write(key, out_value);

	}

}

FlowBean.java

public class FlowBean implements Writable{

	private long upFlow;

	private long downFlow;

	private long sumFlow;

	public FlowBean() {

	}

	public long getUpFlow() {

		return upFlow;

	}

	public void setUpFlow(long upFlow) {

		this.upFlow = upFlow;

	}

	public long getDownFlow() {

		return downFlow;

	}

	public void setDownFlow(long downFlow) {

		this.downFlow = downFlow;

	}

	public long getSumFlow() {

		return sumFlow;

	}

	public void setSumFlow(long sumFlow) {

		this.sumFlow = sumFlow;

	}

	// 序列化   在寫出屬性時，如果為引用資料型別，屬性不能為null

	@Override

	public void write(DataOutput out) throws IOException {

		out.writeLong(upFlow);

		out.writeLong(downFlow);

		out.writeLong(sumFlow);

	}

	//反序列化   序列化和反序列化的順序要一致

	@Override

	public void readFields(DataInput in) throws IOException {

		upFlow=in.readLong();

		downFlow=in.readLong();

		sumFlow=in.readLong();

	}

	@Override

	public String toString() {

		return  upFlow + "\t" + downFlow + "\t" + sumFlow;

	}

}

輸出結果：

總共五個檔案

一號區：

二號區：

三號區：

四號區：

其他號碼為第五號區：

分割槽總結

如果ReduceTask的數量 > getPartition的結果數，則會多產生幾個空的輸出檔案part-r-000xx
如果Reduceask的數量 < getPartition的結果數，則有一部分分割槽資料無處安放，會Exception
如果ReduceTask的數量 = 1，則不管MapTask端輸出多少個分割槽檔案，最終結果都交給這一個ReduceTask，最終也就只會產生一個結果檔案partr-00000

以剛才的案例分析：

例如：假設自定義分割槽數為5，則