MapRedece中的分区Partitioner

分析

MapReduce中会将map输出的k-v对，按照相同的key进行分组，然后分发给不同的reduceTask中。
默认的分发规则为：根据key的hashcode%reducetask数来分发
所以如果要按照特定的需求进行分组，则需要改写数据分发组件Partitioner。

实现

1. 自定义数据分发类CustomPartitioner 继承抽象类Partitioner
2. 重写getPartition方法

getPartition方法说明

public int getPartition(Text key, LongWritable value, int numPartitions)

• key : map阶段输出的key值
• value : map阶段输出的value值
• numPartitions : 设置的reduce数量（获取的是job.setNumReduceTasks(int num)设置的num）
• 返回值是根据自定义规则得出的分区位置

案例

需求

根据归属地输出流量统计数据结果到不同文件，以便于在查询统计结果时可以定位到省级范围进行流量统计。

实现

/**
* 自定义分发规则类CustomPartitioner
* @author:yanzhelee
*/
public class CustomPartitioner extends Partitioner<Text,LongWritable>{
    //用于将手机号的前三个数字和分区块进行对应
    static HashMap<String, Integer> provinceMap = new HashMap<String, Integer>();

    //设置默认的初始值
    static {
        //key为手机号的前三位数字，value为用于表示地区的分区号
        provinceMap.put("135", 0);
        provinceMap.put("136", 1);
        provinceMap.put("137", 2);
        provinceMap.put("138", 3);
        provinceMap.put("139", 4);

    }

    @Override
    public int getPartition(Text key, FlowBean value, int numPartitions) {

        Integer code = provinceMap.get(key.toString().substring(0, 3));
        //如果不存在，则分区号为5
        return code == null ? 5 : code;
    }
}