MapReduce中实现自定义分区Partitioner

    有时候在利用mapreduce进行任务计算时,需要按照不同的规则,将不同的结果输出到不同的文件中,以便将计算结果分类。比如有这样一组数据,我们需要根据第一列的编号进行划分,让相同编号的第二列内容输出到同一个文件中,不同编号的内容输出到不同的文件中。

0,hello world
1,hello ketty
2,hello tom
0,hello lyf
0,good morning
2,test
3,33333

方案一:MultipleOutputs类

    利用MapReduce提供的MultipleOutputs类(API 2.0)可以很容易的实现。MultipleOutputs类提供了三种不同的write函数用于将结果输出到不同的文件中,可根据自己的情况灵活使用。

public <K, V> void write(String namedOutput, K key, V value)
public <K, V> void write(String namedOutput, K key, V value, String baseOutputPath)
public void write(KEYOUT key, VALUEOUT value, String baseOutputPath)

参数:
    key:               输出的key
    Value:             输出的value
    namedOutput:       在JOB中定义的输出名,可自定义不同的输出格式
    baseOutputPath:    自定义输出文件目录,可为多级目录,如果最后一级不存在,则默认为输出文件的前缀名

    无奈集群某些原因,任务迁移至别的集群之后MultiOutputs类无法使用,只好另寻出路了,于是就有了下面的方案。

方案二:自定义Partitioner

    利用MapReduce提供的Partitioner类,我们可以自定义我们自己的Partitioner。

    首先我们需要了解MapReduce的工作原理,我们知道,简单来说Mapper阶段主要是负责分发数据到各个Reducer,然后Reducer负责聚合各个Mapper分发过来的数据。一般情况下,这个具体如何分发的我们并不太关心,这是因为框架本身有一个默认的设置,会帮我们自动完成。而这个默认的自定如何分发数据的类就是Partitioner。我们来看一下默认的HashPartitioner。

pa
  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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