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

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

2. 测试数据test.txt放入hdfs，运行map-reduce程序

$ 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