Hadoop | MapReduce学习笔记 | Partitioner分区 自定义分区策略案例 | WritableComparable 全排序 | Combiner、OutputFormat

" 常在河边走,哪能不湿鞋。" ——若发现文章内容有误,敬请指正,望不吝赐教,感谢!

一、参考资料


视频资料

二、运行环境


  • windows 10
  • JDK 8
  • Hadoop 3.1.3 windows版
  • IDEA

三、Partition分区


3.1 默认Partitioner分区

相关的部分源码 org.apache.hadoop.mapreduce.lib.partition.HashPartitioner.java

public int getPartition(K key, V value,
                        int numReduceTasks) {
   
  return (key.hashCode() & Integer.MAX_VALUE) % numReduceTasks;
}

默认分区是根据Map任务key的hasCode对ReduceTasks个数取模得到的,用户无法控制哪个key存储到哪个分区

3.2 自定义 Parititioner 分区 步骤&案例

案例: 按电话号码进行统计,统计手机耗费的总流量,将统计结果按照手机归属地不同省份输出到不同文件中(分区),将手机号135、137,138开头的都放到各自独立的三个文件中,其他开头的放到同一个文件中
测试数据:

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

输入数据格式:

id	手机号码		网络ip			上行流量  下行流量     网络状态码
7 	13560436666	120.196.100.99		1116		 954			200

输出数据格式:

13560436666 		1116		      954 			2070
手机号码		    上行流量        下行流量		总流量

步骤分析: 读取输入数据、增加ProvincePartitioner分区(四个分区,分别存储135、136,137、其他手机号开头的统计结果)、期望数据输出、Driver驱动类指定自定义的数据分区与ReduceTask个数

3.2.1 编写序列化实体类

用于map、reduce过程的数据传递
FlowBean.java

package com.uni.partitioner2;

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/**
 * 1. 定义类实现 writable 接口
 * 2. 重写序列化和反序列化方法
 * 3. 重写无参构造
 * 4. toString方法
 *
 */

public class FlowBean implements Writable {
   
    private long upFlow;    // 上行流量
    private long downFlow;  // 下行流量
    private long sumFlow;   // 总流量

    // 无参构造
    public FlowBean(){
   }

    public long getUpFlow() {
   
        return upFlow;
    }

    public void setUpFlow(long upFlow) {
   
        this.upFlow = upFlow;
    }

    public long getDownFlow() {
   
        return downFlow;
    }

    public void setDownFlow(long downFlow) {
   
        this.downFlow = downFlow;
    }

    public long getSumFlow() {
   
        return sumFlow;
    }

    public void setSumFlow() {
   
        this.sumFlow = this.upFlow + this.downFlow;
    }

    @Override
    public void write(DataOutput out) throws IOException {
   
        out.writeLong(upFlow);
        out.writeLong(downFlow);
        out.writeLong(sumFlow);
    }

    @Override
    public void readFields(DataInput in) throws IOException {
   
        this.upFlow = in.readLong();
        this.downFlow = in.readLong();
        this.sumFlow = in.readLong();
    }

    @Override
    public String toString() {
   
        return upFlow + "\t" + downFlow + "\t" + sumFlow;
    }
}

3.2.2 自定义类继承Partitioner

需要在继承类里重写 getPartition() 方法
ProvincePartitioner.java

package com.uni.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 partition) {
   
        // text 手机号
        String phone = text.toString();
        String prePhone = phone.substring(0, 3);
        if("135".equals(prePhone)){
   
            partition = 0;
        } else if ("136".equals(prePhone)){
   
            partition = 1;
        } else if ("137".equals(prePhone)){
   
            partition = 2;
        } else
            partition = 3;
        return partition;
    }
}

3.2.3 编写自定义的Map、Reduce类

FlowMapper.java

package com.uni.partitioner2;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

public class FlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {
   
    private Text outputKey = new Text();
    private FlowBean outputValue = new FlowBean();
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
   
        // 1.获取一行  7 	13560436666	120.196.100.99		1116		 954			200
        String line = value.toString();
        // 2.切割成 [7,13560436666,120.196.100.99,1116,954,200]
        String[] split = line.split("\t");
        // 3. 获取想要的数据: 手机号 13560436666, 上行流量和下行流量: 1116、954
        String phone = split[1];
        // 顺序的话数据有残缺,故逆序取上行、下行流量
        String up = split[split.length - 3];
        String down = split[split.length - 2];

        // 4. 封装
        outputKey.set(phone);
        outputValue.setUpFlow(Long.parseLong(up));
        outputValue.setDownFlow(Long.parseLong(down));
        outputValue.setSumFlow();
        // 5. 写出
        context.write(outputKey, outputValue);
    }
}

FlowReducer.java

package com.uni.partitioner2;

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

import java.io.IOException;

public class FlowReducer extends Reducer<Text, FlowBean, Text, FlowBean> {
   
    private FlowBean outputValue = new FlowBean();
    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
   
        // 1. 遍历集合,累加上下行流量
        long totalUp = 0;
        long totalDown = 0;
        for (FlowBean value : values) {
   
            totalUp += val
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值