分区:
在MR的job中,默认使用的分区类为:HashPartitioner.class
其源代码为:
public class HashPartitioner<K, V> extends Partitioner<K, V> {
public HashPartitioner() {
}
public int getPartition(K key, V value, int numReduceTasks) {
return (key.hashCode() & 2147483647) % numReduceTasks;
}
}
可以看到 HashPartitioner.class 中得到分区号时,会对job设置的reduce任务数取余,这样的到0~numReduceTasks-1之间的正数作为分区号。
因此可以得到结论,HashPartitioner.class可以使相同Key一定在相同分区,同一分区里可能有不同Key。
自定义分区类: 继承class Partitioner<KEY, VALUE> 类,重写getPartition方法。
public static class GlobleSortPartitioner extends Partitioner<IntWritable,Text>{
@Override
public int getPartition(IntWritable key,Text value,int numPartitions){
int a = key.get();