最详细讲解spark数据倾斜之自定义分区

 
 
 
package url

import java.net.URL

import org.apache.spark.{Partitioner, SparkConf, SparkContext}

import scala.collection.mutable


/*
* 自定义一个分区  不会存在数据倾斜问题   参数都是写活的
* */
object UrlCompute2 extends App {
  val conf = new SparkConf().setAppName("url").setMaster("local[2]")
  val sc = new SparkContext(conf)
  val rdd1 = sc.textFile("e:/url.log").map(line => {
    val files = line.split("\t")
    (files(1), 1)
  })
  //结果:	(http://java.bw.cn/java/course/javaeeadvanced.shtml,1)....

  val rdd2 = rdd1.reduceByKey(_ + _) //把访问次数相加
  // println(rdd2.collect().toBuffer)
  //rdd2结果:(http://java.bw.cn/java/course/javaeeadvanced.shtml,477)
  val rdd3 = rdd2.map(t => {
    //将tuple的第一个元素中的host取出来
    val url = t._1 //http://java.bw.cn/java/course/javaeeadvanced.shtml
    val host = new URL(url).getHost //固定写法 自动获取host  java.bw.cn
    val num = t._2 //477
    (host, (url, num))
  })

  val hostList = rdd3.map(t => t._1).distinct().collect().toList //去重host 再收集回来 rdd不好传递 最好是list
  // println(hostList.toBuffer) 结果 (java.bw.cn, php.bw.cn, net.bw.cn)

  val rdd4 = rdd3.partitionBy(new MyPartitioner2(hostList)).mapPartitions(it => {
    it.toList.sortBy(_._2._2).reverse.take(5).iterator
  })
  // println(rdd4.collect().toBuffer)
  rdd4.saveAsTextFile("e:/ZDYPar.log")
}

class MyPartitioner2(val hosts: List[String]) extends Partitioner {
  val hostMap = new mutable.HashMap[String, Int]()
  var parNum = 0 // var 注意 类似于count

  for (host <- hosts) { //相当于java里的foreach( Int a: hosts)
    hostMap += (host -> parNum) //是重新将 key:host value:parNum  赋值给hostMap
    parNum = parNum + 1 //每循环一次加一
  }

  override def numPartitions: Int = hosts.size //设置分区的个数

  //设置返回多少个分区
  override def getPartition(key: Any): Int = {
    hostMap.getOrElse(key.toString, hosts.size) //map中若取出来数据都没有 就到3号分区去
  }
}
e:/url.log 的文件  展示一点
20160321101954	http://java.bw.cn/java/course/javaeeadvanced.shtml
20160321101954	http://java.bw.cn/java/course/javaee.shtml
20160321101954	http://java.bw.cn/java/course/android.shtml
20160321101954	http://java.bw.cn/java/video.shtml
20160321101954	http://java.bw.cn/java/teacher.shtml
20160321101954	http://java.bw.cn/java/course/android.shtml
20160321101954	http://php.bw.cn/php/teacher.shtml
20160321101954	http://net.bw.cn/net/teacher.shtml
20160321101954	http://java.bw.cn/java/course/hadoop.shtml
20160321101954	http://java.bw.cn/java/course/base.shtml
20160321101954	http://net.bw.cn/net/course.shtml
20160321101954	http://php.bw.cn/php/teacher.shtml
20160321101954	http://net.bw.cn/net/video.shtml
20160321101954	http://java.bw.cn/java/course/base.shtml
20160321101954	http://net.bw.cn/net/teacher.shtml
20160321101954	http://java.bw.cn/java/video.shtml
20160321101954	http://java.bw.cn/java/video.shtml
20160321101954	http://net.bw.cn/net/video.shtml
20160321101954	http://net.bw.cn/net/course.shtml
20160321101954	http://java.bw.cn/java/course/javaee.shtml
20160321101954	http://java.bw.cn/java/course/android.shtml
20160321101955	http://php.bw.cn/php/course.shtml
20160321101955	http://net.bw.cn/net/teacher.shtml

输出结果:





  • 0
    点赞
  • 1
    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