MapReduce之自定義分區器Partitioner
@
問題引出
要求將統計結果按照條件輸出到不同文件中（分區）。
比如：將統計結果按照手機歸屬地不同省份輸出到不同文件中（分區）
默認Partitioner分區
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;
}
}
- 默認分區是根據key的hashCode對ReduceTasks個數取模得到的。
- 用戶沒法控制哪個key存儲到哪個分區。
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){
//控制分區代碼邏輯
……
return partition；
}
}
- 在Job驅動類中，設置自定義
Partitioner
job.setPartitionerClass(CustomPartitioner.class)
- 自定義Partition後，要根據自定義Partitioner的邏輯設置相應數量的
ReduceTask
job.setNumReduceTask(5);//假設需要分5個區
Partition分區案例實操
將統計結果按照手機歸屬地不同省份輸出到不同文件中（分區）
輸入數據：
期望輸出數據：
手機號136、137、138、139開頭都分別放到一個獨立的4個文件中，其他開頭的放到一個文件中。所以總共分為5個文件，也就是五個區。
相比於之前的自定義flowbean，這次自定義分區，只需要多編寫一個分區器，以及在job驅動類中設置分區器，mapper和reducer類不改變
MyPartitioner.java
/*
* KEY, VALUE: Mapper輸出的Key-value類型
*/
public class MyPartitioner extends Partitioner<Text, FlowBean>{
// 計算分區 numPartitions為總的分區數，reduceTask的數量
// 分區號必須為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;//分區編號
switch (suffix) {
case "136":
partitionNum=numPartitions-1;//由於分區編號不能大於分區總數，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創建Job
Job job = Job.getInstance(conf);
// ②設置Job
// 設置Job運行的Mapper，Reducer類型，Mapper,Reducer輸出的key-value類型
job.setMapperClass(FlowBeanMapper.class);
job.setReducerClass(FlowBeanReducer.class);
// Job需要根據Mapper和Reducer輸出的Key-value類型準備序列化器，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類型一致，直接設置Job最終的輸出類型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
// 設置輸入目錄和輸出目錄
FileInputFormat.setInputPaths(job, inputPath);
FileOutputFormat.setOutputPath(job, outputPath);
// 設置ReduceTask的數量為5
job.setNumReduceTasks(5);
// 設置使用自定義的分區器
job.setPartitionerClass(MyPartitioner.class);
// ③運行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，如果為引用數據類型，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：
總共五個文件
一號區：
二號區：
三號區：
四號區：
其他號碼為第五號區：
分區總結
- 如果
ReduceTask的數量 > getPartition的結果數，則會多產生幾個空的輸出文件part-r-000xx - 如果
Reduceask的數量 < getPartition的結果數，則有一部分分區數據無處安放，會Exception - 如果
ReduceTask的數量 = 1，則不管MapTask端輸出多少個分區文件，最終結果都交給這一個ReduceTask，最終也就只會產生一個結果文件partr-00000
以剛才的案例分析：
例如：假設自定義分區數為5，則
- job.setlNlurmReduce Task(1)；會正常運行，只不過會產生一個輸出文件
- job.setlNlunReduce Task(2)，會報錯
- job.setNumReduceTasks(6)；大於5，程序會正常運行，會產生空文件
