Hadoop3：MapReduce中的Partition原理及自定义Partition

一、默认Partition分区配置

以WC案例来进行验证。

1、设置setNumReduceTasks

修改的代码
这行代码，确定了reduceTask的数量，也确定了分区逻辑

在mapper文件中，打上断点

计算分区的代码
这里会对每一个kv进行计算，然后，分配分区

2、不设置setNumReduceTasks

如果不设置这个参数
默认返回-1，则生成的分区文件就1个
如果，设置成0，则没有reduce过程。直接是mapper阶段的输出结果文件。

3、总结

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。

那么，显然无法控制key的分区，是不能满足需求的！
所以，我们需要进行自定义Partition分区计算的逻辑。

二、自定义Partition分区

1、开发步骤

2、需求分析

源数据

1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
2	13846544121	192.196.100.2			264	0	200
3 	13956435636	192.196.100.3			132	1512	200
4 	13966251146	192.168.100.1			240	0	404
5 	18271575951	192.168.100.2	www.atguigu.com	1527	2106	200
6 	84188413		192.168.100.3	www.atguigu.com	4116	1432	200
7 	13590439668	192.168.100.4			1116	954	200
8 	15910133277	192.168.100.5	www.hao123.com	3156	2936	200
9 	13729199489	192.168.100.6			240	0	200
10 	13630577991	192.168.100.7	www.shouhu.com	6960	690	200
11 	15043685818	192.168.100.8	www.baidu.com	3659	3538	200
12 	15959002129	192.168.100.9	www.atguigu.com	1938	180	500
13 	13560439638	192.168.100.10			918	4938	200
14 	13470253144	192.168.100.11			180	180	200
15 	13682846555	192.168.100.12	www.qq.com	1938	2910	200
16 	13992314666	192.168.100.13	www.gaga.com	3008	3720	200
17 	13509468723	192.168.100.14	www.qinghua.com	7335	110349	404
18 	18390173782	192.168.100.15	www.sogou.com	9531	2412	200
19 	13975057813	192.168.100.16	www.baidu.com	11058	48243	200
20 	13768778790	192.168.100.17			120	120	200
21 	13568436656	192.168.100.18	www.alibaba.com	2481	24681	200
22 	13568436656	192.168.100.19			1116	954	200

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。

3、代码实现

继续以号码流量案例为基础，进行开发。
新增Partitioner文件：ProvincePartitioner.java

package com.atguigu.mapreduce.partitioner2;

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

public class ProvincePartitioner extends Partitioner<Text, FlowBean> {
    @Override
    public int getPartition(Text text, FlowBean flowBean, int numPartitions) {
        // text 是手机号

        String phone = text.toString();

        String prePhone = phone.substring(0, 3);

        int partition ;

        if ("136".equals(prePhone)){
            partition = 0;
        }else if ("137".equals(prePhone)){
            partition = 1;
        }else if ("138".equals(prePhone)){
            partition = 2;
        }else if ("139".equals(prePhone)){
            partition = 3;
        }else {
            partition = 4;
        }

        return partition;
    }
}

修改FlowDriver.java
setNumReduceTasks配置5，是因为ProvincePartitioner里面是5种情况。建议，对应上。

指定自定义分区器
job.setPartitionerClass(ProvincePartitioner.class);

同时指定相应数量的ReduceTask
job.setNumReduceTasks(5);

4、测试代码

文件内容

可以看出，确实生成5个分区文件，且每个分区文件的内容是按照我们设定的逻辑进行划分的。

5、总结

job.setNumReduceTasks(5);
这行设置的task数量，一定要大于等于Partitioner中if分支的数量
建议最好是相等。

如果设置成1，则不走我们自定义的Partitioner
如果设置成0，则没有reduce阶段。

并且，分区号，必须从0开始，逐一累加。