×

Haddop

大数据Hadoop(十九):​​​​​​​MapReduce分区

Lanson Lanson 发表于2022-02-07 00:23:19 浏览287 评论0

抢沙发发表评论

MapReduce分区

src=http___nimg.ws.126.net__url=http%3A%2F%2Fdingyue.ws.126.net%2F2021%2F0623%2F3e66d62bj00qv4dn1001lc000hs00c6c.jpg&thumbnail=650x2147483647&quality=80&type=jpg&refer=http___nimg.ws.126.jpg

分区概述

在 MapReduce 中, 通过我们指定分区, 会将同一个分区的数据发送到同一个Reduce当中进行处理。例如: 为了数据的统计, 可以把一批类似的数据发送到同一个 Reduce 当中, 在同一个 Reduce 当中统计相同类型的数据, 就可以实现类似的数据分区和统计等

其实就是相同类型的数据, 有共性的数据, 送到一起去处理, 在Reduce过程中,可以根据实际需求(比如按某个维度进行归档,类似于数据库的分组),把Map完的数据Reduce到不同的文件中。分区的设置需要与ReduceTaskNum配合使用。比如想要得到5个分区的数据结果。那么就得设置5个ReduceTask。

需求:将以下数据进行分开处理

详细数据参见partition.csv  这个文本文件,其中第五个字段表示开奖结果数值,现在需求将15以上的结果以及15以下的结果进行分开成两个文件进行保存


分区步骤

1、定义 Mapper

这个 Mapper 程序不做任何逻辑, 也不对 Key-Value 做任何改变, 只是接收数据, 然后往下发送

public class MyMapper extends Mapper<LongWritable,Text,Text,NullWritable>{

    @Override    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        context.write(value,NullWritable.get());

    }

}


2、自定义Partitioner

主要的逻辑就在这里, 这也是这个案例的意义, 通过 Partitioner 将数据分发给不同的 Reducer

/**

 * 这里的输入类型与我们map阶段的输出类型相同

 */public class MyPartitioner extends Partitioner<Text,NullWritable>{

    /**

     * 返回值表示我们的数据要去到哪个分区

     * 返回值只是一个分区的标记,标记所有相同的数据去到指定的分区

     */    @Override    public int getPartition(Text text, NullWritable nullWritable, int i) {

        String result = text.toString().split("\t")[5];

        if (Integer.parseInt(result) > 15){

            return 1;

        }else{

            return 0;

        }

    }

}


3、定义 Reducer 逻辑

这个 Reducer 也不做任何处理, 将数据原封不动的输出即可

public class MyReducer extends Reducer<Text,NullWritable,Text,NullWritable> {

    @Override    protected void reduce(Text key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {

        context.write(key,NullWritable.get());

    }

}


4、主类中设置分区类和ReduceTask个数

public class PartitionerRunner {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

        //1、创建建一个job任务对象        Configuration configuration = new Configuration();

        Job job = Job.getInstance(configuration, "mypartitioner");



        //2、指定job所在的jar包        job.setJarByClass(PartitionerRunner.class);



        //3、指定源文件的读取方式类和源文件的读取路径        job.setInputFormatClass(TextInputFormat.class); //按照行读取        TextInputFormat.addInputPath(job, new Path("hdfs://node1:8020/input/partitioner")); //只需要指定源文件所在的目录即可        // TextInputFormat.addInputPath(job, new Path("file:///E:\\input\\partitioner")); //只需要指定源文件所在的目录即可        //4、指定自定义的Mapper类和K2、V2类型        job.setMapperClass(PartitionerMapper.class); //指定Mapper类        job.setMapOutputKeyClass(Text.class); //K2类型        job.setMapOutputValueClass(NullWritable.class);//V2类型        //5、指定自定义分区类(如果有的话)        job.setPartitionerClass(MyPartitioner.class);

        //6、指定自定义分组类(如果有的话)        //7、指定自定义的Reducer类和K3、V3的数据类型        job.setReducerClass(PartitionerReducer.class); //指定Reducer类        job.setOutputKeyClass(Text.class); //K3类型        job.setOutputValueClass(NullWritable.class);  //V3类型        //设置Reduce的个数        job.setNumReduceTasks(2);



        //8、指定输出方式类和结果输出路径        job.setOutputFormatClass(TextOutputFormat.class);

        TextOutputFormat.setOutputPath(job, new  Path("hdfs://node1:8020/output/partitioner")); //目标目录不能存在,否则报错        //TextOutputFormat.setOutputPath(job, new  Path("file:///E:\\output\\partitoner")); //目标目录不能存在,否则报错        //9、将job提交到yarn集群        boolean bl = job.waitForCompletion(true); //true表示可以看到任务的执行进度        //10.退出执行进程        System.exit(bl?0:1);

    }

}

  • 📢博客主页:https://lansonli.blog.csdn.net

  • 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正!

  • 📢本文由 Lansonli 原创,首发于 CSDN博客🙉

  • 📢大数据系列文章会每天更新,停下休息的时候不要忘了别人还在奔跑,希望大家抓紧时间学习,全力奔赴更美好的生活✨


欢迎留言

访客