Hadoop中Partition解析

原文：

http://www.yeolar.com/note/2013/11/19/hadoop-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(Text key, Text value, int numPartitions)

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 Mapper 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 Reducer 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 。

package org.apache.hadoop.examples;

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.*;

/**
* 输入文本，以tab间隔
* kaka    1       28
* hua     0       26
* chao    1
* tao     1       22
* mao     0       29      22
* */

//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");
//测试输出
//          for(int i=0;i<arr_value.length;i++)
//          {
//              System.out.print(arr_value[i]+"\t");
//          }
//          System.out.print(arr_value.length);
//          System.out.println();
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 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;
System.out.println(key);
while (values.hasNext()) {
output.collect(key, new Text(values.next().getBytes()));
}
}
}

// 接口Partitioner继承JobConfigurable，所以这里有两个override方法
public static class MyPartitionerPar implements Partitioner<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
public int getPartition(Text key, Text value, int numPartitions) {
// TODO Auto-generated method stub
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;
}
System.out.println("result--" + result);
return result;
}

@Override
public void configure(JobConf arg0)
{
// TODO Auto-generated method stub
}
}

//输入参数：/home/hadoop/input/PartitionerExample /home/hadoop/output/Partitioner
public static void main(String[] args) throws Exception {
JobConf conf = new JobConf(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, new Path(args[0]));
FileOutputFormat.setOutputPath(conf, new Path(args[1]));

JobClient.runJob(conf);
}
}

 http://www.cnblogs.com/xwdreamer/archive/2011/10/27/2296943.html

 http://www.yeolar.com/note/2013/11/19/hadoop-partition/