Java实战-hadoop patition 分区简介和自定义

逃离我推掉我的手 2021-06-10 20:38 566阅读 0赞

**0 简介：**

**0) 类比于新生<k,v>入学，不同的学生实现分配好了宿舍，然后进入到不同的宿舍(reduce task)**

**如果map发送来的数据量太大，意味着这些数据都到这个默认reduce节点执行，没有发挥reduce**

**并行计算的目的，IO压力也很大。 这就是分区的原因。**

a) 默认下分配一个区

b) 分配几个区，则对应几个reduce任务，每个任务在执行的时候都会公用reduce内的代码

c) 自定义分区下 返回的分区数量一定要和 定义的reduce任务相同，具体来说就是：

自定义分区类 extends HashPartitioner，重写getPartition时，返回的分支个数要和

job.setNumReduceTasks(X); 中的X个数相同

如果分区格式和reducetask任务个数不同下，在hadoop不同版本中的运行情况如下：

Java代码

1.  HashPartitioner.java  key.hashcode() & integer.maxvalue % numreducetasks =  模1恒等于0 返回值恒为0 返回值是分区的标记或者索引 part-00000 part-00001 等等  
2.    默认的是job.setPartitionerClass(HashPartitioner.class)  自定义分区返回的是索引数字，从0开始依次递增1返回。  
3.    以 手机号和座机号写在一个文件中为例：  
4.    如果分区数量 大于/小于 reduce数量时,   
5.    2个分区 1个reduce --->  hadoop2中依旧能正常执行 只不过不会分区 所有数据都写到一个输出中   hadoop1中会报错  
6.    2个分区 4个reduce --->  hadoop2中依旧能正常执行 输出结果写到4个区中，第一个分区结果为手机号 第二个为座机号 剩下两个为空文件 所有数据都写到一个输出中

d) 需要打包放在hadoop环境内运行，否则在本机运行eg:eclipse环境下，会报错如下：

Java代码

1.  14/12/09 14:12:58 WARN mapred.LocalJobRunner: job\_local\_0001  
2.  java.io.IOException: Illegal partition for 84138413 (1)

map-shuffle-reduce过程图如下：

![format_png][]

**1 代码**

结果处理成2个区， 一个是放手机号的 一个是放固话的：

package partition;  
      
    import java.io.DataInput;  
    import java.io.DataOutput;  
    import java.io.IOException;  
    import java.net.URI;  
      
    import org.apache.hadoop.conf.Configuration;  
    import org.apache.hadoop.fs.FileSystem;  
    import org.apache.hadoop.fs.Path;  
    import org.apache.hadoop.io.LongWritable;  
    import org.apache.hadoop.io.Text;  
    import org.apache.hadoop.io.Writable;  
    import org.apache.hadoop.mapreduce.Job;  
    import org.apache.hadoop.mapreduce.Mapper;  
    import org.apache.hadoop.mapreduce.Reducer;  
    import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;  
    import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;  
    import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;  
    import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;  
    import org.apache.hadoop.mapreduce.lib.partition.HashPartitioner;  
      
    /** 
     *  
     * 实现单词计数功能，指定分区个数（分区下必须通过打包方式来运行） 
     * 1 自定义规约 
     *  1.1  规约定义好处：Combiner发生在Map端，对数据进行规约处理，数据量变小了，传送到reduce端的数据量变小了，传输时间变短，作业的整体时间变短 
     *  1.2 因为不是所有的算法都适合使用Combiner处理，例如求平均数,因此Combiner不作为MR运行的标配 
     *  1.3 Combiner本身已经执行了reduce操作仅仅是处理一个任务所接收的文件中的数据，不能跨map任务执行；只有reduce可以接收多个map任务处理的数据 
     *      这也是Combiner本身已经执行了reduce操作，为什么在Reducer阶段还要执行reduce操作的原因。 
     * 2 自定义分区 
     *   2.1 分区运行必须打成jar运行 
     *   2.2 map分几个区，则reduce有几个任务数量，每个reduce任务将对应一个输出文件 
     *   2.3 分区不是越多越好，要根据业务需求，分区太多，也会造成资源创建，等待等消耗 
     *   2.4 多个reduce任务在运行的好处是提高整体job的运行效率 
     *    
     *   结果处理成2个区， 一个是放手机号的 一个是放固话的 
     *  [root@master ~]# hadoop fs -ls /out 
    Warning: $HADOOP_HOME is deprecated. 
    
    Found 4 items 
    -rw-r--r--   1 root supergroup          0 2014-08-24 16:02 /out/_SUCCESS 
    drwxr-xr-x   - root supergroup          0 2014-08-24 16:02 /out/_logs 
    -rw-r--r--   1 root supergroup        556 2014-08-24 16:02 /out/part-r-00000 
    -rw-r--r--   1 root supergroup         79 2014-08-24 16:02 /out/part-r-00001 
    
     */  
    public class KpiAppPatition {  
      
      
      
        // 0 定义操作地址  
        static final String FILE_ROOT = "hdfs://master:9000/";  
        static final String INPUT_PATH = "hdfs://master:9000/hello";  
        static final String OUT_PATH = "hdfs://master:9000/out";  
          
        public static void main(String[] args) throws Exception{  
              
            Configuration conf = new Configuration();  
            FileSystem fileSystem = FileSystem.get(new URI(FILE_ROOT),conf);  
            Path outpath = new Path(OUT_PATH);  
            if(fileSystem.exists(outpath)){  
                fileSystem.delete(outpath, true);  
            }  
              
            // 0 定义干活的人  
            Job job = new Job(conf);  
            job.setJarByClass(KpiAppPatition.class);  
            // 1.1 告诉干活的人 输入流位置     读取hdfs中的文件。每一行解析成一个<k,v>。每一个键值对调用一次map函数  
            FileInputFormat.setInputPaths(job, INPUT_PATH);  
            // 指定如何对输入文件进行格式化，把输入文件每一行解析成键值对  
            job.setInputFormatClass(TextInputFormat.class);  
              
            //1.2 指定自定义的map类  
            job.setMapperClass(MyMapper2.class);  
            job.setMapOutputKeyClass(Text.class);  
            job.setMapOutputValueClass(KpiWritable2.class);  
              
            //1.3 分区  
            job.setPartitionerClass(KpiPartitioner.class);  
            job.setNumReduceTasks(2);  
              
            //1.4 TODO 排序、分组    目前按照默认方式执行  
            //1.5 TODO 规约  
              
            //2.2 指定自定义reduce类  
            job.setReducerClass(MyReducer2.class);  
            job.setOutputKeyClass(Text.class);  
            job.setOutputValueClass(LongWritable.class);  
              
            //2.3 指定写出到哪里  
            FileOutputFormat.setOutputPath(job, outpath);  
            job.setOutputFormatClass(TextOutputFormat.class);  
              
            // 让干活的人干活  
            job.waitForCompletion(true);  
              
        }  
    }  
      
    // 自定义分区写法如 注意返回的值是从0开始依次累加1的int值，不能跳跃  
    // 否则报错 说找不到编号为X的  
    // 你的reduce有几个，那么就会从0开始以1为累加数字返回对应个数的分区编码 然后  
    // 在去你代码里找对应编码  代码中随意返回patition的num 找不到就会报错  
    class KpiPartitioner extends HashPartitioner<Text, KpiWritable2>{  
        @Override  
        public int getPartition(Text key, KpiWritable2 value, int numReduceTasks) {  
            System.out.println("KpiPartitioner numReduceTasks is : " + numReduceTasks );  
            return (key.toString().length()==11)?0:1; // key为key2 即 电话号码，这里 如果是手机号（11位）则返回0，否则返回1 这样会生成2个分区，1个存放手机号的 1个存放固话的  
        }  
    }  
      
    /** 
     * 将 <k1,v1> --->  <k2,v2> 
     * @author zm 
     */  
    class MyMapper2 extends Mapper<LongWritable, Text, Text, KpiWritable2>{  
      
        /** 
         * key 表示k1 即 当前行号 
         * value 表示v1 即当前行内容 
         */  
        @Override  
        protected void map(LongWritable k1, Text v1, Context context)  
                throws IOException, InterruptedException {  
            //格式: 1363157990043     13925057413 00-1F-64-E1-E6-9A:CMCC  120.196.100.55  t3.baidu.com    搜索引擎    69  63  11058   48243   200  
            String[] elements = v1.toString().split("\t");  
            String phoneNum = elements[1];  
            KpiWritable2 v2 = new KpiWritable2(elements[6],elements[7],elements[8],elements[9]);  
            Text k2 = new Text(phoneNum);  
            context.write(k2, v2);  
        }  
    }  
      
    /** 
     * 将 <k2,v2> --->  <k3,v3> 
     * @author zm 
     */  
    class MyReducer2 extends Reducer<Text, KpiWritable2,Text, LongWritable>{  
      
        protected void reduce(Text k2, Iterable<KpiWritable2> v2s,  
                org.apache.hadoop.mapreduce.Reducer.Context context)  
                throws IOException, InterruptedException {  
              
            long upPackNum = 0L;  
            long downPackNum = 0L;  
            long upPayLoad = 0L;  
            long downPayLoad = 0L;  
              
            for(KpiWritable2 kpiWritable1 : v2s){  
                upPackNum = kpiWritable1.upPackNum;  
                downPackNum = kpiWritable1.downPackNum;  
                upPayLoad = kpiWritable1.upPayLoad;  
                downPayLoad = kpiWritable1.downPayLoad;  
            }  
              
            KpiWritable2 v3 = new KpiWritable2(upPackNum+"",downPackNum+"",upPayLoad+"",downPayLoad+"");  
            context.write(k2, v3);  
        }  
          
          
    }  
      
      
    /** 
     * 自定义类型类，里面封装 上网流量信息 
     * @author zm 
     * 
     */  
    class KpiWritable2 implements Writable{  
          
        long upPackNum; // 上传数据包个数  
        long downPackNum;// 下载数据包个数  
        long upPayLoad;// 上传数据  
        long downPayLoad;// 下载数据  
      
        public KpiWritable2(String upPackNum,String downPackNum,String upPayLoad,String downPayLoad){  
            this.upPackNum = Long.parseLong(upPackNum);  
            this.downPackNum = Long.parseLong(downPackNum);  
            this.upPayLoad = Long.parseLong(upPayLoad);  
            this.downPayLoad = Long.parseLong(downPayLoad);  
        }  
          
        public KpiWritable2(){}  
          
        @Override  
        public void write(DataOutput out) throws IOException {  
            // 先写后读  
            out.writeLong(this.upPackNum);  
            out.writeLong(this.downPackNum);  
            out.writeLong(this.upPayLoad);  
            out.writeLong(this.downPayLoad);  
        }  
      
        @Override  
        public void readFields(DataInput in) throws IOException {  
            // 读取的时候， 按照写方法的顺序( 队列方式) 顺序读取  
            this.upPackNum = in.readLong();  
            this.downPackNum = in.readLong();  
            this.upPayLoad = in.readLong();  
            this.downPayLoad = in.readLong();  
        }  
          
        @Override  
        public String toString() {  
            return upPackNum + "\t" + downPackNum + "\t" + upPayLoad + "\t" + downPayLoad;  
        }  
    }

[format_png]: /images/20210527/eddd7b0a158b42948aa47f75c9694ab7.png