hadoop中partition的简单应用《转》

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;

            }

            @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);

        }    

    }