前言: 还记得之前统计上行流量,下行流量的案例吗?现在在此基础上在增加要求,如何解决呢?
FlowCountBean案例:https://blog.csdn.net/qq_43437122/article/details/106173182
1.需求
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)。
(1)输入数据
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
(2)期望输出数据
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。
2.需求分析
3.在案例FlowCountBean的基础上,增加一个分区类
Partitioner:
package com.mapreduce.flowcount;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;
// 定义一个Partitioner的子类
public class FlowCountPartitioner extends Partitioner<Text, FlowCountBean>{
// 重写getPartition方法
@Override
public int getPartition(Text k, FlowCountBean v, int numPartitions) {
// 1. 获取电话号码的前三位
String preNum = k.toString().substring(0, 3);
int partition = 4;
// 2. 判断是哪个省
if("136".equals(preNum)) {
partition = 0;
} else if("137".equals(preNum)) {
partition = 1;
} else if("138".equals(preNum)) {
partition = 2;
} else if("139".equals(preNum)) {
partition = 3;
}
return partition;
}
}
4. 在Driver类里面加上下面的代码就行了:
// 8. 指定自定义数据分区
job.setPartitionerClass(FlowCountPartitioner.class);
// 9. 设置reduce task的数量
job.setNumReduceTasks(5);
5. 结果展示