MapReduce Java API-使用Partitioner实现输出到多个文件

场景

MapReduce Java API-多输入路径方式：

https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/119453275

在上面的基础上，怎样用Partitioner的方式实现将学生的成绩数据

分段输出到不同的文件。

例如分为三个成绩段：

小于60分

大于等于60分小于等于80分

大于80分

Partitioner

1、Partion发生在Map阶段的最后，会先调用job.setPartitionerClass对这个List进行分区，

每个分区映射到一个Reducer。每个分区内又调用job.setSortComparatorClass设置的key

比较函数类排序。

2、 Partitioner的作用是对Mapper产生的中间结果进行分片，以便将同一个分组的数据交给同一个Reducer处理，

它直接影响Reducer阶段的复杂均衡。

3、Partitioner创建流程

① 先分析一下具体的业务逻辑，确定大概有多少个分区
② 首先书写一个类，它要继承org.apache.hadoop.mapreduce.Partitioner这个类
③ 重写public int getPartition这个方法，根据具体逻辑，读数据库或者配置返回相同的数字
④ 在main方法中设置Partioner的类，job.setPartitionerClass(DataPartitioner.class);
⑤ 设置Reducer的数量，job.setNumReduceTasks(6);

注：

博客：
https://blog.csdn.net/badao_liumang_qizhi
关注公众号
霸道的程序猿
获取编程相关电子书、教程推送与免费下载。

实现

1、首先新建数据集score.txt,用来进行分段输出。

1、自定义分区函数类

通过成绩判断，用return的值为0、1、2代表三个分区。

package com.badao.muloutput;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;

public class StudentPartitioner extends Partitioner<IntWritable, Text> {
    @Override
    public int getPartition(IntWritable intWritable, Text text, int i) {
        //学生成绩
        int scoreInt = intWritable.get();
        //默认指定分区0
        if(i==0)
        {
            return 0;
        }
        if(scoreInt < 60)
        {
            return 0;
        }else if(scoreInt<=80)
        {
            return 1;
        }else
        {
            return 2;
        }
    }
}

3、定义Mapper类

package com.badao.muloutput;


import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;


public class MulOutputMapper extends Mapper<LongWritable,Text,IntWritable,Text> {


    @Override
    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String[] studentArr = value.toString().split(" ");
        if(StringUtils.isNotBlank(studentArr[1]))
        {
            IntWritable pKey = new IntWritable(Integer.parseInt(studentArr[1].trim()));
            context.write(pKey,value);
        }
    }
}

4、定义Reduce类

package com.badao.muloutput;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;


public class MulOutputReducer extends Reducer<IntWritable,Text,NullWritable,Text> {

    @Override
    public void reduce(IntWritable key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        for(Text value:values)
        {
            context.write(NullWritable.get(),value);
        }
    }
}

5、新建Job类

package com.badao.muloutput;


import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.reduce.IntSumReducer;

import java.io.IOException;

public class MulOutputJob {
    public static void main(String[] args) throws InterruptedException, IOException, ClassNotFoundException {
        wordCountLocal();
    }

    public static void wordCountLocal()throws IOException, ClassNotFoundException, InterruptedException
    {
        Configuration conf = new Configuration();
        System.setProperty("HADOOP_USER_NAME","root");
        conf.set("fs.defaultFS","hdfs://192.168.148.128:9000");
        //实例化一个作业，word count是作业的名字
        Job job = Job.getInstance(conf, "muloutput");

        //指定通过哪个类找到对应的jar包
        job.setJarByClass(MulOutputJob.class);

        //为job设置Mapper类
        job.setMapperClass(MulOutputMapper.class);
        //为job设置reduce类
        job.setReducerClass(MulOutputReducer.class);
        //设置Partitioner类
        job.setPartitionerClass(StudentPartitioner.class);
        //设置reduce的个数为3
        job.setNumReduceTasks(3);

        //mapper输出格式
        job.setMapOutputKeyClass(IntWritable.class);
        job.setMapOutputValueClass(Text.class);

        //reduce输出格式
        job.setOutputKeyClass(NullWritable.class);
        job.setOutputValueClass(Text.class);

        //为job设置输入路径，输入路径是存在的文件夹/文件
        FileInputFormat.addInputPath(job,new Path("/score.txt"));
        //为job设置输出路径
        FileOutputFormat.setOutputPath(job,new Path("/muloutput8"));
        job.waitForCompletion(true);
    }


}

6、将数据集上传到HDFS指定的目录下，运行job查看输出结果

 

注意事项

这里要注意坑点，因为这里在分解数据时是按照一个空格来拆分的，所以数据集中

每个key和value之间只能有一个空格。

并且不要再数据集的最后面添加多余的换行，不然会导致不能正常输出数据。

比如这里查看数据时发现多了个换行

 

然后找不到不出统计数据的原因，就在代码中将每步的结果输出下

如果是上面多了换行的话，下面输出key-value时就会有异常数据，都跟上面这样是正常的。