Hadoop入门——自定义分区Partitioner

「爱情、让人受尽委屈。」 2021-09-27 07:26 468阅读 0赞

一.背景

为了使得MapReduce计算后的结果显示更加人性化，Hadoop提供了分区的功能，可以使得MapReduce计算结果输出到不同的分区中，方便查看。Hadoop提供的Partitioner组件可以让Map对Key进行分区，从而可以根据不同key来分发到不同的reduce中去处理，我们可以自定义key的分发规则，如数据文件包含不同的省份，而输出的要求是每个省份对应一个文件。

**二：技术实现**

自定义分区很简单，我们只需要继承抽象类Partitioner，实现自定义的getPartitioner()方法即可，另外还要给任务设置分区：**job.setPartitionerClass()**，就可以了。

**案例**

阿里巴巴旗下三个子网站site1、site2、site3，每个网站对商品销售进行了统计，现在要汇总这三个网站的销售量，数据如下：

![20150117214523187][]

从上图可以看到有4种商品，很显然我们应该设置**4个分区**，代码如下：

public class MyPartitionerTest extends Configured implements Tool{
    		// 定义输入路径
    		private static String INPUT_PATH = "";
    		// 定义输出路径
    		private static  String OUT_PATH = "";
     
    		public static void main(String[] args) {
    			try {
    				//运行
    				ToolRunner.run(new MyPartitionerTest(), args);
    			} catch (Exception e) {
    				e.printStackTrace();
    			}
    			
    		}
    	public static class MyPartitionerMapper extends Mapper<LongWritable, Text, Text, LongWritable> {
    		// 创建map输出的key
    		private Text product = new Text();
    		// 创建map输出的value
    		private LongWritable saleNum = new LongWritable();
     
    		@Override
    		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, LongWritable>.Context context) throws IOException,
    				InterruptedException {
     
    			// 对行文本内容进行切分
    			String[] splits = value.toString().split("\t");
    			System.out.println(splits[0] +":"+ splits[1]);
    			// 获取商品和销售量写出去
    			product.set(splits[0]);
    			saleNum.set(Long.parseLong(splits[1]));
    			
    			// 写出去
    			context.write(product, saleNum);
    		}
    	}
     
    	public static class MyPartitionerReducer extends Reducer<Text, LongWritable, Text, LongWritable> {
     
    		// 定义商品的销售量
    		private LongWritable saleSum = new LongWritable();
     
    		@Override
    		protected void reduce(Text key, Iterable<LongWritable> values, Reducer<Text, LongWritable, Text, LongWritable>.Context context) throws IOException,
    				InterruptedException {
    			// 定义商品的总数
    			Long sum = 0L;
    			// 遍历集合对商品销售进行汇总
    			for (LongWritable saleNum : values) {
    				sum += saleNum.get();
    			}
    			// 设置商品的总销售量
    			saleSum.set(sum);
    			// 写出去
    			context.write(key, saleSum);
    		}
    	}
     
    	public static class MyPartitioner extends Partitioner<Text, LongWritable> {
     
    		@Override
    		public int getPartition(Text key, LongWritable value, int numPartitions) {
     
    			if (key.toString().equals("shoes")) // 当key为"shoes"时，分一个区
    				return 0;
    			if (key.toString().equals("hat"))// 当key为"hat"时分一个区
    				return 1;
    			if (key.toString().equals("stockings"))// 当key为stockings"时分一个区
    				return 2;
    			// 其他的记录都分到一个区中
    			return 3;
    		}
     
    	}
     
    	public int run(String[] args) throws Exception {
    		try {
    			
    			//为路径设置参数
    			INPUT_PATH = args[0];
    			OUT_PATH = args[1];
    			// 创建配置信息
    			Configuration conf = new Configuration();
    			
     
    			// 创建文件系统
    			FileSystem fileSystem = FileSystem.get(new URI(OUT_PATH), conf);
    			// 如果输出目录存在，我们就删除
    			if (fileSystem.exists(new Path(OUT_PATH))) {
    				fileSystem.delete(new Path(OUT_PATH), true);
    			}
     
    			// 创建任务
    			Job job = new Job(conf, MyPartitionerTest.class.getName());
     
    			//打成jar包
    			job.setJarByClass(MyPartitionerTest.class);
    			//1.1	设置输入目录和设置输入数据格式化的类
    			FileInputFormat.setInputPaths(job, INPUT_PATH);
    			job.setInputFormatClass(TextInputFormat.class);
     
    			//1.2	设置自定义Mapper类和设置map函数输出数据的key和value的类型
    			job.setMapperClass(MyPartitionerMapper.class);
    			job.setMapOutputKeyClass(Text.class);
    			job.setMapOutputValueClass(LongWritable.class);
     
    			// 1.3	设置分区和reduce数量(reduce的数量，和分区的数量对应，因为分区为一个，所以reduce的数量也是一个)
    			job.setPartitionerClass(MyPartitioner.class);
    			job.setNumReduceTasks(4);//注：这个分区的数量是我们实现要规定好的，因为我们有四种商品，所以我们分了四个区
     
    			//1.4	排序、分组
    			//1.5	归约
    			job.setCombinerClass(MyPartitionerReducer.class);
    			// 2.1	Shuffle把数据从Map端拷贝到Reduce端。
    			//2.2	指定Reducer类和输出key和value的类型
    			job.setReducerClass(MyPartitionerReducer.class);
    			job.setOutputKeyClass(Text.class);
    			job.setOutputValueClass(LongWritable.class);
     
    			//2.3	指定输出的路径和设置输出的格式化类
    			FileOutputFormat.setOutputPath(job, new Path(OUT_PATH));
    			job.setOutputFormatClass(TextOutputFormat.class);
     
     
    			// 提交作业 退出
    			System.exit(job.waitForCompletion(true) ? 0 : 1);
    		
    		} catch (Exception e) {
    			e.printStackTrace();
    		}
    		return 0;
    	}
    }

**打包运行程序：**

hadoop jar MyPartitioner.jar hdfs://liaozhongmin5:9000/files/* hdfs://liaozhongmin5:9000/out

程序运行结果：

![20150117215206781][]

**如我们所愿，程序分了四个分区！**

程序运行的日志：

![20150117215524099][]

原文转自:[https://blog.csdn.net/lzm1340458776/article/details/42812263][https_blog.csdn.net_lzm1340458776_article_details_42812263]

[20150117214523187]: /images/20210923/7da2743007b04c43b2a27d52de316627.png
[20150117215206781]: /images/20210923/fb2d9b2b182041eb8773802b65ff7766.png
[20150117215524099]: /images/20210923/bc5942c6a7d54f8480db7146d4e184d8.png
[https_blog.csdn.net_lzm1340458776_article_details_42812263]: https://blog.csdn.net/lzm1340458776/article/details/42812263