Hadoop Streaming 实战： 实用Partitioner类KeyFieldBasedPartitioner

我们知道，一个典型的Map-Reduce过程包括：Input->Map->Patition->Reduce->Output。Pation负责把Map任务输出的中间结果按key分发给不同的Reduce任务进行处理。Hadoop 提供了一个非常实用的partitioner类KeyFieldBasedPartitioner，通过配置相应的参数就可以使用。通过KeyFieldBasedPartitioner可以方便地实现二次排序。
使用方法：
-partitioner org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner
一般配合：
-D map.output.key.field.separator及-D num.key.fields.for.partition使用。
map.output.key.field.separator指定key内部的分隔符
num.key.fields.for.partition指定对key分出来的前几部分做partition而不是整个key

示例：
1. 编写map程序mapper.sh；reduce程序reducer.sh; 测试数据test.txt

[html] view plain copy

mapper.sh:  
#!/bin/sh  
cat  

reducer.sh:  
#!/bin/sh  
sort  

test.txt内容：  
1,2,1,1,1  
1,2,2,1,1  
1,3,1,1,1  
1,3,2,1,1  
1,3,3,1,1  
1,2,3,1,1  
1,3,1,1,1  
1,3,2,1,1  
1,3,3,1,1  

1. 测试数据test.txt放入hdfs，运行map-reduce程序
   [html] view plain copy

   $ hadoop streaming /
   -D stream.reduce.output.field.separator=, /
   -D stream.num.reduce.output.key.fields=4 /
   -D map.output.key.field.separator=, /
   -D num.key.fields.for.partition=2 /
   -partitioner org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner /
   -input /app/test/test.txt /
   -output /app/test/test_result /
   -mapper ./mapper.sh /
   -reducer ./reducer.sh /
   -file mapper.sh /
   -file reducer.sh /
   -jobconf mapre.job.name=”sep_test”

   $ hadoop fs –cat /app/test/test_result/part-00003
   1,2,1,1 1
   1,2,2,1 1
   1,2,3,1 1

   $ hadoop fs –cat /app/test/test_result/part-00004
   1,3,1,1 1
   1,3,1,1 1
   1,3,2,1 1
   1,3,2,1 1
   1,3,3,1 1
   1,3,3,1 1

通过这种方式，就做到前4个字段是key，但是通过前两个字段进行partition的目的