hadoop中的Partition

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，

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)。

1、为何使用Partitioner，主要是想reduce的结果能够根据key再次分类输出到不同的文件夹中。

2、结果能够直观，同时做到对数据结果的简单的统计分析。

1、输入的数据文件内容如下(1条数据内容少，1条数据内容超长，3条数据内容正常)：

kaka    1       28
hua     0       26
chao    1
tao     1       22
mao     0       29      22

2、目的是为了分别输出结果，正确的结果输出到一个文本，太短的数据输出到一个文本，太长的输出到一个文本，共三个文本输出。

代码

    package com.partition;

    import java.io.IOException;
    import java.util.*;

    import org.apache.hadoop.fs.Path;
    import org.apache.hadoop.conf.*;
    import org.apache.hadoop.io.*;
    import org.apache.hadoop.mapred.*;
    import org.apache.hadoop.util.*;

    import com.hadoop.mapred.WordCount.Map;
import com.hadoop.mapred.WordCount.Reduce;

    //Partitioner函数的使用

    public class MyPartitioner {
        //Map函数
        public static class MyMap extends MapReduceBase implements Mapper<LongWritable,Text,Text,Text>{
            
            
            public void map(LongWritable key, Text value,
                    OutputCollector<Text, Text> output, Reporter reporter)
                    throws IOException {
                
                String [] arr_value = value.toString().split("\t");
                Text word1 = new Text();
                Text word2 = new Text();
                
                if(arr_value.length > 3){
                    word1.set("long");
                    word2.set(value);
                }else if(arr_value.length < 3){
                    word1.set("short");
                    word2.set(value);
                }else {
                    word1.set("right");
                    word2.set(value);
                }
                
                output.collect(word1, word2);
            }        
        }        
        
        public static class MyPartitionerPar implements Partitioner<Text, Text> {

            @Override
            public int getPartition(Text key, Text value, int numPartitions) {
                int result = 0;
                System.out.println("numPartitions--"+numPartitions);
                if (key.toString().equals("long")) {
                    result = 0 % numPartitions;
                } else if (key.toString().equals("short")) {
                    result = 1 % numPartitions;
                } else if (key.toString().equals("right")) {
                    result = 2 % numPartitions;
                }
                return result;
            }
　　　　//通过上面的函数可以知道，想把哪个key分到对用的partition中，只需要在这个key对应的partitiob中，返回特定的值。
            @Override
            public void configure(JobConf arg0) {
                // TODO Auto-generated method stub
                
            }

        }
        
        public static class MyReduce extends MapReduceBase implements Reducer<Text, Text, Text, Text> {
             public void reduce(Text key, Iterator<Text> values, OutputCollector<Text, Text> output, Reporter reporter) throws IOException {
               int sum = 0;
               while (values.hasNext()) {
                   output.collect(key, new Text(values.next().getBytes()));
               }               
             }
           }
        
        public static void main(String[] args) throws Exception {
             JobConf conf = new JobConf(MyPartitioner.class);
             conf.setJobName("MyPartitioner");
             conf.setNumReduceTasks(3);
             
             conf.setMapOutputKeyClass(Text.class);
             conf.setMapOutputValueClass(Text.class);
             
             conf.setPartitionerClass(MyPartitionerPar.class);

             conf.setOutputKeyClass(Text.class);
             conf.setOutputValueClass(Text.class);
        
             conf.setMapperClass(MyMap.class);
             conf.setReducerClass(MyReduce.class);
        
             conf.setInputFormat(TextInputFormat.class);
             conf.setOutputFormat(TextOutputFormat.class);
        
             FileInputFormat.setInputPaths(conf, new Path(args[0]));
              FileOutputFormat.setOutputPath(conf, new Path(args[1]));
        
             JobClient.runJob(conf);
        }    
    }
   

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。