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，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，

 

[java]  view plain copy

1. getPartition(Text key, Text value, int numPartitions)  

 

输入是Map的结果对和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

[java]  view plain copy

1. package org.apache.hadoop.examples;  
2.   
3. import java.io.IOException;  
4. import java.util.*;  
5. import org.apache.hadoop.fs.Path;  
6. import org.apache.hadoop.conf.*;  
7. import org.apache.hadoop.io.*;  
8. import org.apache.hadoop.mapred.*;  
9. import org.apache.hadoop.util.*;  
10.   
11.   
12.   
13. //Partitioner函数的使用  
14.   
15. public class MyPartitioner {  
16.     // Map函数  
17.     public static class MyMap extends MapReduceBase implements  
18.             Mapper {  
19.         public void map(LongWritable key, Text value,  
20.                 OutputCollector output, Reporter reporter)  
21.                 throws IOException {  
22.             String[] arr_value = value.toString().split("\t");  
23.             //测试输出  
24. //          for(int i=0;i  
25. //          {  
26. //              System.out.print(arr_value[i]+"\t");  
27. //          }  
28. //          System.out.print(arr_value.length);  
29. //          System.out.println();         
30.             Text word1 = new Text();  
31.             Text word2 = new Text();  
32.             if (arr_value.length > 3) {  
33.                 word1.set("long");  
34.                 word2.set(value);  
35.             } else if (arr_value.length < 3) {  
36.                 word1.set("short");  
37.                 word2.set(value);  
38.             } else {  
39.                 word1.set("right");  
40.                 word2.set(value);  
41.             }  
42.             output.collect(word1, word2);  
43.         }  
44.     }  
45.       
46.     public static class MyReduce extends MapReduceBase implements  
47.             Reducer {  
48.         public void reduce(Text key, Iterator values,  
49.                 OutputCollector output, Reporter reporter)  
50.                 throws IOException {  
51.             int sum = 0;  
52.             System.out.println(key);  
53.             while (values.hasNext()) {  
54.                 output.collect(key, new Text(values.next().getBytes()));      
55.             }  
56.         }  
57.     }  
58.   
59.     // 接口Partitioner继承JobConfigurable，所以这里有两个override方法  
60.     public static class MyPartitionerPar implements Partitioner {  
61.           
62.         @Override  
63.         public int getPartition(Text key, Text value, int numPartitions) {  
64.             // TODO Auto-generated method stub  
65.             int result = 0;  
66.             System.out.println("numPartitions--" + numPartitions);  
67.             if (key.toString().equals("long")) {  
68.                 result = 0 % numPartitions;  
69.             } else if (key.toString().equals("short")) {  
70.                 result = 1 % numPartitions;  
71.             } else if (key.toString().equals("right")) {  
72.                 result = 2 % numPartitions;  
73.             }  
74.             System.out.println("result--" + result);  
75.             return result;  
76.         }  
77.           
78.         @Override  
79.         public void configure(JobConf arg0)   
80.         {  
81.             // TODO Auto-generated method stub  
82.         }  
83.     }  
84.   
85.     //输入参数：/home/hadoop/input/PartitionerExample /home/hadoop/output/Partitioner  
86.     public static void main(String[] args) throws Exception {  
87.         JobConf conf = new JobConf(MyPartitioner.class);  
88.         conf.setJobName("MyPartitioner");  
89.           
90.         //控制reducer数量，因为要分3个区，所以这里设定了3个reducer  
91.         conf.setNumReduceTasks(3);  
92.   
93.         conf.setMapOutputKeyClass(Text.class);  
94.         conf.setMapOutputValueClass(Text.class);  
95.   
96.         //设定分区类  
97.         conf.setPartitionerClass(MyPartitionerPar.class);  
98.   
99.         conf.setOutputKeyClass(Text.class);  
100.         conf.setOutputValueClass(Text.class);  
101.   
102.         //设定mapper和reducer类  
103.         conf.setMapperClass(MyMap.class);  
104.         conf.setReducerClass(MyReduce.class);  
105.   
106.         conf.setInputFormat(TextInputFormat.class);  
107.         conf.setOutputFormat(TextOutputFormat.class);  
108.   
109.         FileInputFormat.setInputPaths(conf, new Path(args[0]));  
110.         FileOutputFormat.setOutputPath(conf, new Path(args[1]));  
111.   
112.         JobClient.runJob(conf);  
113.     }  
114. }