Hadoop中Partition解析

1.解析Partition

Map的结果，会通过partition分发到Reducer上，Reducer做完Reduce操作后，通过OutputFormat，进行输出，下面我们就来分析参与这个过程的类。

Mapper的结果，可能送到Combiner做合并，Combiner在系统中并没有自己的基类，而是用Reducer作为Combiner的基类，他们对外的功能是一样的，只是使用的位置和使用时的上下文不太一样而已。Mapper最终处理的键值对<key, value>，是需要送到Reducer去合并的，合并的时候，有相同key的键/值对会送到同一个Reducer那。哪个key到哪个Reducer的分配过程，是由Partitioner规定的。它只有一个方法，

getPartition(Textkey,Textvalue,intnumPartitions)

输入是Map的结果对<key, value>和Reducer的数目，输出则是分配的Reducer（整数编号）。就是指定Mappr输出的键值对到哪一个reducer上去。系统缺省的Partitioner是HashPartitioner，它以key的Hash值对Reducer的数目取模，得到对应的Reducer。这样保证如果有相同的key值，肯定被分配到同一个reducre上。如果有N个reducer，编号就为0,1,2,3……(N-1)。

Reducer是所有用户定制Reducer类的基类，和Mapper类似，它也有setup，reduce，cleanup和run方法，其中setup和cleanup含义和Mapper相同，reduce是真正合并Mapper结果的地方，它的输入是key和这个key对应的所有value的一个迭代器，同时还包括Reducer的上下文。系统中定义了两个非常简单的Reducer，IntSumReducer和LongSumReducer，分别用于对整形/长整型的value求和。

Reduce的结果，通过Reducer.Context的方法collect输出到文件中，和输入类似，Hadoop引入了OutputFormat。OutputFormat依赖两个辅助接口：RecordWriter和OutputCommitter，来处理输出。RecordWriter提供了write方法，用于输出<key, value>和close方法，用于关闭对应的输出。OutputCommitter提供了一系列方法，用户通过实现这些方法，可以定制OutputFormat生存期某些阶段需要的特殊操作。我们在TaskInputOutputContext中讨论过这些方法（明显，TaskInputOutputContext是OutputFormat和Reducer间的桥梁）。OutputFormat和RecordWriter分别对应着InputFormat和RecordReader，系统提供了空输出NullOutputFormat（什么结果都不输出，NullOutputFormat.RecordWriter只是示例，系统中没有定义），LazyOutputFormat（没在类图中出现，不分析），FilterOutputFormat（不分析）和基于文件FileOutputFormat的SequenceFileOutputFormat和TextOutputFormat输出。

基于文件的输出FileOutputFormat利用了一些配置项配合工作，包括:
mapred.output.compress：是否压缩；
mapred.output.compression.codec：压缩方法；
mapred.output.dir：输出路径；
mapred.work.output.dir：输出工作路径。
FileOutputFormat还依赖于FileOutputCommitter，通过FileOutputCommitter提供一些和Job，Task相关的临时文件管理功能。如FileOutputCommitter的setupJob，会在输出路径下创建一个名为_temporary的临时目录，cleanupJob则会删除这个目录。
SequenceFileOutputFormat输出和TextOutputFormat输出分别对应输入的SequenceFileInputFormat和TextInputFormat。

2.代码实例

packageorg.apache.hadoop.examples;

importjava.io.IOException;
importjava.util.*;
importorg.apache.hadoop.fs.Path;
importorg.apache.hadoop.conf.*;
importorg.apache.hadoop.io.*;
importorg.apache.hadoop.mapred.*;
importorg.apache.hadoop.util.*;

/**
*输入文本，以tab间隔
*kaka128
*hua026
*chao1
*tao122
*mao02922
**/

//Partitioner函数的使用

publicclassMyPartitioner{
//Map函数
publicstaticclassMyMapextendsMapReduceBaseimplements
Mapper<LongWritable,Text,Text,Text>{
publicvoidmap(LongWritablekey,Textvalue,
OutputCollector<Text,Text>output,Reporterreporter)
throwsIOException{
String[]arr_value=value.toString().split("\t");
//测试输出
//for(inti=0;i<arr_value.length;i++)
//{
//System.out.print(arr_value[i]+"\t");
//}
//System.out.print(arr_value.length);
//System.out.println();
Textword1=newText();
Textword2=newText();
if(arr_value.length>3){
word1.set("long");
word2.set(value);
}elseif(arr_value.length<3){
word1.set("short");
word2.set(value);
}else{
word1.set("right");
word2.set(value);
}
output.collect(word1,word2);
}
}

publicstaticclassMyReduceextendsMapReduceBaseimplements
Reducer<Text,Text,Text,Text>{
publicvoidreduce(Textkey,Iterator<Text>values,
OutputCollector<Text,Text>output,Reporterreporter)
throwsIOException{
intsum=0;
System.out.println(key);
while(values.hasNext()){
output.collect(key,newText(values.next().getBytes()));
}
}
}

//接口Partitioner继承JobConfigurable，所以这里有两个override方法
publicstaticclassMyPartitionerParimplementsPartitioner<Text,Text>{
/**
*getPartition()方法的
*输入参数：键/值对<key,value>与reducer数量numPartitions
*输出参数：分配的Reducer编号，这里是result
**/
@Override
publicintgetPartition(Textkey,Textvalue,intnumPartitions){
//TODOAuto-generatedmethodstub
intresult=0;
System.out.println("numPartitions--"+numPartitions);
if(key.toString().equals("long")){
result=0%numPartitions;
}elseif(key.toString().equals("short")){
result=1%numPartitions;
}elseif(key.toString().equals("right")){
result=2%numPartitions;
}
System.out.println("result--"+result);
returnresult;
}

@Override
publicvoidconfigure(JobConfarg0)
{
//TODOAuto-generatedmethodstub
}
}

//输入参数：/home/hadoop/input/PartitionerExample/home/hadoop/output/Partitioner
publicstaticvoidmain(String[]args)throwsException{
JobConfconf=newJobConf(MyPartitioner.class);
conf.setJobName("MyPartitioner");

//控制reducer数量，因为要分3个区，所以这里设定了3个reducer
conf.setNumReduceTasks(3);

conf.setMapOutputKeyClass(Text.class);
conf.setMapOutputValueClass(Text.class);

//设定分区类
conf.setPartitionerClass(MyPartitionerPar.class);

conf.setOutputKeyClass(Text.class);
conf.setOutputValueClass(Text.class);

//设定mapper和reducer类
conf.setMapperClass(MyMap.class);
conf.setReducerClass(MyReduce.class);

conf.setInputFormat(TextInputFormat.class);
conf.setOutputFormat(TextOutputFormat.class);

FileInputFormat.setInputPaths(conf,newPath(args[0]));
FileOutputFormat.setOutputPath(conf,newPath(args[1]));

JobClient.runJob(conf);
}
}