hadoop 学习自定义分区

（网易云课程hadoop大数据实战学习笔记）

如图所示：有三个ReducerTask，因此处理完成之后的数据存储在三个文件中；

默认情况下，numReduceTasks的数量为1，前面做的实验中，输出数据都是在一个文件中。通过自定义myPatitioner类，可以把ruduce处理后的数据分类汇总，这里MyPartitioner是Partitioner的基类，如果需要定制partitioner也需要继承该类。HashPartitioner是mapreduce的默认partitioner。计算方法是which reducer=(key.hashCode() & Integer.MAX_VALUE) % numReduceTasks，得到当前的目的reducer。

实验内容，在上一个自定义排序的基础上，把正方形和长方形分别进行排序，即设置两个ReducerTask任务，通过自定义MyPartitioner实现。

package com.nwpulisz;
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.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Partitioner;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.Reducer;
public class SelfDefineSort {
	/**
	 * @param args
	 * @author nwpulisz
	 * @date 2016.4.1
	 */
	static final String INPUT_PATH="hdfs://192.168.255.132:9000/input";
	static final String OUTPUT_PATH="hdfs://192.168.255.132:9000/output";

	public static void main(String[] args) throws Exception {
		// TODO Auto-generated method stub
		Configuration conf = new Configuration();
		Path outPut_path= new Path(OUTPUT_PATH);
		Job job = new Job(conf, "SelfDefineSort");

		//如果输出路径是存在的，则提前删除输出路径
		FileSystem fileSystem = FileSystem.get(new URI(OUTPUT_PATH), conf);
		if(fileSystem.exists(outPut_path))
		{
			fileSystem.delete(outPut_path,true);
		}

		job.setJarByClass(RectangleWritable.class); //注意不能少setJarByClass，要不出现报错,源码中的解释。
													//Set the Jar by finding where a given class came from.

		FileInputFormat.setInputPaths(job, INPUT_PATH);
		FileOutputFormat.setOutputPath(job, outPut_path);

		job.setMapperClass(MyMapper.class);
		job.setReducerClass(MyReducer.class);

		job.setMapOutputKeyClass(RectangleWritable.class);
		job.setMapOutputValueClass(NullWritable.class);

		job.setPartitionerClass(MyPatitioner.class); //自定义myPatitioner类，把ruduce处理后的数据分类汇总；
		job.setNumReduceTasks(2); //设置ReduceTask数量为2；

		job.setOutputKeyClass(IntWritable.class);
		job.setOutputValueClass(IntWritable.class);
		job.waitForCompletion(true);
	}

	static class MyMapper extends Mapper<LongWritable, Text, RectangleWritable, NullWritable>{
		protected void map(LongWritable k1, Text v1,
                Context context) throws IOException, InterruptedException {
			String[] splits = v1.toString().split("\t");
			RectangleWritable k2 = new RectangleWritable(Integer.parseInt(splits[0]),
					Integer.parseInt(splits[1]));

			context.write(k2,NullWritable.get());
		}
	}

	static class MyReducer extends Reducer<RectangleWritable, NullWritable,
					IntWritable, IntWritable>{
		protected void reduce(RectangleWritable k2,
				Iterable<NullWritable> v2s,
				Context context)
				throws IOException, InterruptedException {
			// TODO Auto-generated method stub
			context.write(new IntWritable(k2.getLength()), new IntWritable(k2.getWidth()));
		}

	}

}
class MyPatitioner extends Partitioner<RectangleWritable, NullWritable>{
	@Override
	public int getPartition(RectangleWritable k2, NullWritable v2, int numPartitions) {
		// TODO Auto-generated method stub
		if (k2.getLength() == k2.getWidth()) { //根据长方形和正方形进行分类
			return 0;
		}else {
			return 1;
		}
	}

}

其中的RectangleWritable类与上一节中定义的相同。

此处，在eclipse中直接运行该代码，会显示错误，如下图：

可能是因为hadoop版本的原因，因此需要将源码文件打成jar包，在hadoop服务器上运行，jar中包括内容为：

在hadoop上运行 hadoop jar SelfDefinePartitioner.jar(jar包名,自定义)

运行结果如下图所示：

开始运行：

输出结果：

来自为知笔记(Wiz)