Mapreduce中自定义分区

Reducer任务的数据来自于Mapper任务，也就说Mapper任务要划分数据，对于不同的数据分配给不同的Reducer任务运行。Mapper任务划分数据的过程就称作Partition。负责实现划分数据的类称作Partitioner。

默认的分区类是HashPartitioner，是处理Mapper任务输出的，getPartition()方法有三个形参，key、value分别指的是Mapper任务的输出，numReduceTasks指的是设置的Reducer任务数量，默认值是1。那么任何整数与1相除的余数肯定是0。也就是说getPartition(…)方法的返回值总是0。也就是Mapper任务的输出总是送给一个Reducer任务，最终只能输出到一个文件中。

据此分析，如果想要自定义分区，最终输出到多个文件中，在Mapper任务中对数据应该划分到多个区中。那么，我们只需要覆盖Partitioner类的getpartition(…)，按照一定的规则让getPartition(…)方法的返回值是0,1,2,3…。并在驱动中进行两个设置。