关于Partitioner（自定义partitioner编程实现数据自定义分区处理）

这个场景的前提是：比如一大批手机号码 需要分区，就是确定那个号码是那个省份的，所以在Maptask阶段是要把所有的省份的号码全部放在一个Map里面,然后提交给reducetask去处理,但是默认的是一个reducetask。 这时候就需要重写Partitioner的方法实现Maptask的去处。

package cn.itcast.bigdata.mr.provinceflow;

import java.util.HashMap;

import org.apache.commons.collections.map.HashedMap;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;

/**
 * Partitioner
 * 对应的是Map 输出的类型
 * @author PYF
 *
 */
public class ProvicePartitioner extends Partitioner<Text, FlowBean>
{
    //这是自己造的一个数据 字典 就是判断一个号码的前几位是哪个省的 也就是归属地。 如果可以的话肯定是通过数据库 相结合 这里只是模拟而已
    public static HashMap proviceDict=new HashMap();
    static{
        proviceDict.put("138", 0);
        proviceDict.put("139", 1);
        proviceDict.put("136", 2);
        proviceDict.put("137", 3);
    }
    @Override
    public int getPartition(Text key, FlowBean value, int numPartitions)
    {
        String profix = key.toString().substring(0, 3);
        Integer proviceId = proviceDict.get(profix);
        return proviceId==null?4:proviceId;
    }
}

2.在主程序中设置

/指定我们自定义的数据分区器
    job.setPartitionerClass(ProvicePartitioner.class);
    //指定相应数量的Reducetask 相应于数据分区数量的
    job.setNumReduceTasks(5);

3.结果

注意：part-t-00000 —->part-t-00004 这五个文件是对应的job.setNumReduceTasks(5);
不足之处，望批评指正，能力有限。