MapReduce中的Partitioner怎么使用

本篇內容主要講解“MapReduce中的Partitioner怎么使用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“MapReduce中的Partitioner怎么使用”吧!

問題導讀：
1.Partitioner分區類的作用是什么？
2.getPartition()三個參數分別是什么？
3.numReduceTasks指的是設置的Reducer任務數量，默認值是是多少？
擴展：
如果不同類型的數據被分配到了同一個分區，輸出的數據是否還是有序的？





在進行MapReduce計算時，有時候需要把最終的輸出數據分到不同的文件中，比如按照省份劃分的話，需要把同一省份的數據放到一個文件中；按照性別劃分的話，需要把同一性別的數據放到一個文件中。我們知道最終的輸出數據是來自于Reducer任務。那么，如果要得到多個文件，意味著有同樣數量的Reducer任務在運行。Reducer任務的數據來自于Mapper任務，也就說Mapper任務要劃分數據，對于不同的數據分配給不同的Reducer任務運行。Mapper任務劃分數據的過程就稱作Partition。負責實現劃分數據的類稱作Partitioner。

在我們前面講過的例子中，始終沒有提到分區，那是因為框架內置了分區類，稱作HashPartitioner。我們看一下源碼，如圖6-6

圖6-6

在圖6-6中，HashPartitioner是處理Mapper任務輸出的，getPartition()方法有三個形參，key、value分別指的是Mapper任務的輸出，numReduceTasks指的是設置的Reducer任務數量，默認值是1。那么任何整數與1相除的余數肯定是0。也就是說getPartition(…)方法的返回值總是0。也就是Mapper任務的輸出總是送給一個Reducer任務，最終只能輸出到一個文件中。

據此分析，如果想要最終輸出到多個文件中，在Mapper任務中對數據應該劃分到多個區中。那么，我們只需要按照一定的規則讓getPartition(…)方法的返回值是0,1,2,3…即可。

假設我們按照性別分區，那么可以覆蓋Partitioner類的getpartition(…)方法，代碼如圖6-7

圖6-7

在圖6-7中，我們分別使用0、1、2與numPartitions相除。如果想把數據分到三個不同的輸出中，意味著numPartitions的值是3。這樣，0%3、1%3、2%3的值才是三個不同的。那么，我們怎么使用哪？只需要在驅動中進行兩個操作即可，如圖6-8

圖6-8

在圖6-8中，我們使用了自定義的分區類，并且制定了numReduceTasks。這里的numReduceTasks在內部就把值賦給了分區類中形式參數numPartitions。

到此，相信大家對“MapReduce中的Partitioner怎么使用”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！