mapreduce之自定义分区器partitioner(代码片段)

关键词：

@

问题引出

要求将统计结果按照条件输出到不同文件中（分区）。

比如：将统计结果按照手机归属地不同省份输出到不同文件中（分区）

默认Partitioner分区

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;
	

• 默认分区是根据key的hashCode对ReduceTasks个数取模得到的。
• 用户没法控制哪个key存储到哪个分区。

自定义Partitioner步骤

1. 自定义类继承Partitioner，重写getPartition()方法

public class CustomPartitioner extends Partitioner<Text，FlowBea>
	@Override 
	public int getPartition(Text key，FlowBean value，int numPartitions)
		//控制分区代码逻辑
		……
		return partition；
	

2. 在Job驱动类中，设置自定义Partitioner

job.setPartitionerClass(CustomPartitioner.class)

3. 自定义Partition后，要根据自定义Partitioner的逻辑设置相应数量的ReduceTask

 job.setNumReduceTask(5);//假设需要分5个区

Partition分区案例实操

将统计结果按照手机归属地不同省份输出到不同文件中（分区）

输入数据：

期望输出数据：
手机号136、137、138、139开头都分别放到一个独立的4个文件中，其他开头的放到一个文件中。所以总共分为5个文件，也就是五个区。

相比于之前的自定义flowbean，这次自定义分区，只需要多编写一个分区器，以及在job驱动类中设置分区器，mapper和reducer类不改变

MyPartitioner.java

/*
 * KEY, VALUE: Mapper输出的Key-value类型
 */
public class MyPartitioner extends Partitioner<Text, FlowBean>

	// 计算分区  numPartitions为总的分区数，reduceTask的数量
	// 分区号必须为int型的值，且必须符合 0<= partitionNum < numPartitions
	@Override
	public int getPartition(Text key, FlowBean value, int numPartitions) 
		
		String suffix = key.toString().substring(0, 3);//前开后闭，取手机号前三位数
		
		int partitionNum=0;//分区编号
		
		
		switch (suffix) 
		case "136":
			partitionNum=numPartitions-1;//由于分区编号不能大于分区总数，所以用这种方法比较好
			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");
		
		//作为整个Job的配置
		Configuration conf = new Configuration();
		
		//保证输出目录不存在
		FileSystem fs=FileSystem.get(conf);
		
		if (fs.exists(outputPath)) 
			fs.delete(outputPath, true);
		
		
		// ①创建Job
		Job job = Job.getInstance(conf);
		
		// ②设置Job
		// 设置Job运行的Mapper，Reducer类型，Mapper,Reducer输出的key-value类型
		job.setMapperClass(FlowBeanMapper.class);
		job.setReducerClass(FlowBeanReducer.class);
		
		// Job需要根据Mapper和Reducer输出的Key-value类型准备序列化器，通过序列化器对输出的key-value进行序列化和反序列化
		// 如果Mapper和Reducer输出的Key-value类型一致，直接设置Job最终的输出类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(FlowBean.class);
		
		// 设置输入目录和输出目录
		FileInputFormat.setInputPaths(job, inputPath);
		FileOutputFormat.setOutputPath(job, outputPath);
		
		// 设置ReduceTask的数量为5
		job.setNumReduceTasks(5);
		
		// 设置使用自定义的分区器
		job.setPartitionerClass(MyPartitioner.class);
		
		// ③运行Job
		job.waitForCompletion(true);
		
	

FlowBeanMapper.java

/*
 * 1. 统计手机号(String)的上行(long,int)，下行(long,int)，总流量(long,int)
 * 
 * 手机号为key,Bean上行(long,int)，下行(long,int)，总流量(long,int)为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("	");
		
		//封装手机号
		out_key.set(words[1]);
		// 封装上行
		out_value.setUpFlow(Long.parseLong(words[words.length-3]));
		// 封装下行
		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   在写出属性时，如果为引用数据类型，属性不能为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顺序要一致
	@Override
	public void readFields(DataInput in) throws IOException 
		upFlow=in.readLong();
		downFlow=in.readLong();
		sumFlow=in.readLong();
		
	

	@Override
	public String toString() 
		return  upFlow + "	" + downFlow + "	" + sumFlow;
	

输出结果：
总共五个文件

一号区：

二号区：

三号区：

四号区：

其他号码为第五号区：

分区总结

• 如果ReduceTask的数量 > getPartition的结果数，则会多产生几个空的输出文件part-r-000xx
• 如果Reduceask的数量 < getPartition的结果数，则有一部分分区数据无处安放，会Exception
• 如果ReduceTask的数量 = 1，则不管MapTask端输出多少个分区文件，最终结果都交给这一个ReduceTask，最终也就只会产生一个结果文件partr-00000

以刚才的案例分析：
例如：假设自定义分区数为5，则

• job.setlNlurmReduce Task(1)；会正常运行，只不过会产生一个输出文件
• job.setlNlunReduce Task(2)，会报错
• job.setNumReduceTasks(6)；大于5，程序会正常运行，会产生空文件

Hadoop Oozie MapReduce 操作自定义分区器

】HadoopOozieMapReduce操作自定义分区器【英文标题】：HadoopOozieMapReduceActionCustomPartitioner【发布时间】：2017-08-0214:17:46【问题描述】：如何在oozie工作流XML上为MapReduce操作配置自定义分区器？我尝试使用：<property><name>mapreduce... 查看详情

[mapreduce_8]mapreduce中的自定义分区实现(代码片段)

 0.说明　　设置分区数量&&编写自定义分区代码   1.设置分区数量　　分区(Partition)　　分区决定了指定的Key进入到哪个Reduce中　　默认hash分区，算法//返回的分区号(key.hashCode()&Integer.MAX_VALUE)%numReduceTasks&nb... 查看详情

mapreduce的partition分区(代码片段)

一、Partitioner分区位置从MapRedece框架原理里面我们发现在进入环形缓冲区有一个分区的操作，如图二、Partitioner分区机制源码默认采用HashPartitioner，源码如下publicclassHashPartitioner<K2,V2>implementsPartitioner<K2,V2>publicvoidco... 查看详情

mapreduce之自定义inputformat(代码片段)

在企业开发中，Hadoop框架自带的InputFormat类型不能满足所有应用场景，需要自定义InputFormat来解决实际问题。自定义InputFormat步骤如下：（1）自定义一个类继承FilelnputFormat。（2）自定义一个类继承RecordReader，实现一次读取一个完... 查看详情

mapreduce框架原理mapreduce工作流程&shuffle机制(代码片段)

【MapReduce框架原理】1.MapReduce工作流程2.Shuffle机制2.1Shuffle机制2.2Partition分区2.3自定义Partitioner步骤2.4分区总结2.5案例分析3.Partition分区案例实操3.1需求3.2需求分析3.3在案例2.3的基础上，增加一个分区类3.4在驱动函数中增加自定... 查看详情

hadoop中的mapreduce框架原理自定义partitioner步骤在job驱动中，设置自定义partitionerpartition分区案例(代码片段)

文章目录13.MapReduce框架原理13.3Shuffle机制13.3.2Partition分区13.3.2.3自定义Partitioner步骤13.3.2.3.1自定义类继承Partitioner，重写getPartition()方法13.3.2.3.2在Job驱动中，设置自定义Partitioner13.3.2.3.3自定义Partition后，要 查看详情

MapReduce 中的自定义动态分区

】MapReduce中的自定义动态分区【英文标题】：CustomDynamicPartitionsinMapReduce【发布时间】：2019-02-0619:38:31【问题描述】：我正在使用MapReduce来处理我的数据。我需要将输出存储在日期分区下。我的排序键是日期字符串。现在，如果... 查看详情

mapreduce之自定义combiner(代码片段)

概述Combinar继承了`Reducer`, 可选过程,在map端的实现分组(是在map端运行的reduce),减小网络IO传输; 使用Combiner需要满足的条件Combiner不能影响最终计算结果例如求平均值就不能使用Combiner输出k-v类型必须与map输出一致自定义过... 查看详情

未调用 hadoop mapreduce 分区程序

】未调用hadoopmapreduce分区程序【英文标题】：hadoopmapreducepartitionernotinvoked【发布时间】：2014-03-0609:58:31【问题描述】：我需要有关mapreduce工作的帮助，我的自定义分区器从未被调用。我检查了所有内容数百万次，但没有结果。前... 查看详情

kafka分区分配计算(分区器partitions)(代码片段)

...是经过序列化Serializer处理，之后就到了Partitions阶段，即分区分配计算阶段。在某些应用场景下，业务逻辑需要控制每条消息落到合适的分区中，有些情形下则只要根据默认的分配规则即可。在KafkaProducer计算分配时，首先根据的... 查看详情

mapreduce深入

  hadoop中map和reduce都是进程（spark中是线程），map和reduce可以部署在同一个机器上也可以部署在不同机器上。输入数据是hdfs的block，通过一个map函数把它转化为一个个键值对，并同时将这些键值对写入内存缓存区（100M），... 查看详情

mapreduce的工作流程

MapReduce的工作流程  　　1.客户端将每个block块切片（逻辑切分），每个切片都对应一个map任务，默认一个block块对应一个切片和一个map任务，split包含的信息：分片的元数据信息，包含起始位置，长度，和所在节点列表等... 查看详情

mapreduce学习4----自定义分区自定义排序自定义组分

1.map任务处理1.3对输出的key、value进行分区。分区的目的指的是把相同分类的<k,v>交给同一个reducer任务处理。 publicstaticclassMyPartitioner<Text,LongWritable>extendsPartitioner<Text,LongWritable>{ staticHashMap<Stri 查看详情

jvm进阶之自定义类加载器(代码片段)

自定义类加载器1.作用2.场景3.注意4.实现1.作用隔离加载类在某些框架内进行中间件与应用的模块隔离，把类加载到不同的环境。修改类加载的方式类的加载模型并非强制的，应该根据实际情况在某个时间点按需进行动态... 查看详情

jvm进阶之自定义类加载器(代码片段)

自定义类加载器1.作用2.场景3.注意4.实现1.作用隔离加载类在某些框架内进行中间件与应用的模块隔离，把类加载到不同的环境。修改类加载的方式类的加载模型并非强制的，应该根据实际情况在某个时间点按需进行动态... 查看详情

hadoop3-mapreduce分区介绍及自定义分区(代码片段)

一、MapReduce分区上篇文章使用COVID-19对MapReduce进一步的案例理解，本篇文章讲解MapReduce分区，下面是上篇文章的地址：https://blog.csdn.net/qq_43692950/article/details/127475811在默认情况下，不管map阶段有多少个并发执行task,... 查看详情

与java类型相比较,mapreduce中定义的数据类型都有哪些特点？

参考技术AMapReduce是一种编程模型，用于在分布式计算集群上处理大量数据。它通常用于计算和分析海量的数据集，例如搜索引擎中的网页抓取数据、社交网络中的用户信息等。MapReduce中定义的数据类型与Java类型相比有以下几个... 查看详情

kafka总结

...个键的消息会被写到同一个分区上。生产者也可以使用自定义的分区器。读取消息。消费者订阅一个或多个主题，并按照消息生产的顺序读取它们。消费者通过检查消息的偏移量来区分已经读取过的消息。偏移量是另一种元数据... 查看详情