MapReduce之Partition分区实例操作

1.需求:
将统计结果按照手机归属地不同省份输出到不同文件中（分区）
2.案例数据:
phone_data.txt
如下:

1363157985066    13726230503 00-FD-07-A4-72-B8:CMCC  120.196.100.82  i02.c.aliimg.com        24  27  2481    24681   200
1363157995052   13826544101 5C-0E-8B-C7-F1-E0:CMCC  120.197.40.4            4   0   264 0   200
1363157991076   13926435656 20-10-7A-28-CC-0A:CMCC  120.196.100.99          2   4   132 1512    200
1363154400022   13926251106 5C-0E-8B-8B-B1-50:CMCC  120.197.40.4            4   0   240 0   200
1363157993044   18211575961 94-71-AC-CD-E6-18:CMCC-EASY 120.196.100.99  iface.qiyi.com  视频网站    15  12  1527    2106    200
1363157995074   84138413    5C-0E-8B-8C-E8-20:7DaysInn  120.197.40.4    122.72.52.12        20  16  4116    1432    200
1363157993055   13560439658 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99          18  15  1116    954 200
1363157995033   15920133257 5C-0E-8B-C7-BA-20:CMCC  120.197.40.4    sug.so.360.cn   信息安全    20  20  3156    2936    200
1363157983019   13719199419 68-A1-B7-03-07-B1:CMCC-EASY 120.196.100.82          4   0   240 0   200
1363157984041   13660577991 5C-0E-8B-92-5C-20:CMCC-EASY 120.197.40.4    s19.cnzz.com    站点统计    24  9   6960    690 200
1363157973098   15013685858 5C-0E-8B-C7-F7-90:CMCC  120.197.40.4    rank.ie.sogou.com   搜索引擎    28  27  3659    3538    200
1363157986029   15989002119 E8-99-C4-4E-93-E0:CMCC-EASY 120.196.100.99  www.umeng.com   站点统计    3   3   1938    180 200
1363157992093   13560439658 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99          15  9   918 4938    200
1363157986041   13480253104 5C-0E-8B-C7-FC-80:CMCC-EASY 120.197.40.4            3   3   180 180 200
1363157984040   13602846565 5C-0E-8B-8B-B6-00:CMCC  120.197.40.4    2052.flash2-http.qq.com 综合门户    15  12  1938    2910    200
1363157995093   13922314466 00-FD-07-A2-EC-BA:CMCC  120.196.100.82  img.qfc.cn      12  12  3008    3720    200
1363157982040   13502468823 5C-0A-5B-6A-0B-D4:CMCC-EASY 120.196.100.99  y0.ifengimg.com 综合门户    57  102 7335    110349  200
1363157986072   18320173382 84-25-DB-4F-10-1A:CMCC-EASY 120.196.100.99  input.shouji.sogou.com  搜索引擎    21  18  9531    2412    200
1363157990043   13925057413 00-1F-64-E1-E6-9A:CMCC  120.196.100.55  t3.baidu.com    搜索引擎    69  63  11058   48243   200
1363157988072   13760778710 00-FD-07-A4-7B-08:CMCC  120.196.100.82          2   2   120 120 200
1363157985066   13560436666 00-FD-07-A4-72-B8:CMCC  120.196.100.82  i02.c.aliimg.com        24  27  2481    24681   200
1363157993055   13560436666 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99          18  15  1116    954 200

3.分析:
(1)Mapreduce 中会将 map 输出的 kv 对，按照相同 key 分组，然后分发给不同的 reducetask。默认的分发规则为：根据 key 的 hashcode%reducetask 数来分发。
(2)如果要按照自己的需求进行分组，则需要改写数据分发（分组）组件Partitioner。
自定义一个 CustomPartitioner 继承抽象类：Partitioner
(3)在 job 驱动中，设置自定义 partitioner：
job.setPartitionerClass(CustomPartitioner.class)
(4)在统计流量案例的基础上，增加一个分区类。
流量统计详细操作见

package com.kgc.mapreduce.flowcount;import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;
public class ProvincePartitioner extends Partitioner<Text,FlowBean> {@Overridepublic int getPartition(Text text, FlowBean flowBean, int i) {//1 获取电话号码前三位String preNum = text.toString().substring(0,3);int partition=4;//2 判断哪个省if("136".equals(preNum)){partition=0;}else if("137".equals(preNum)){partition=1;}else if("138".equals(preNum)){partition=2;}else if("139".equals(preNum)) {partition = 3;}return partition;  }
}

(5)在驱动函数中增加自定义数据分区设置和 reduce task 设置。

package com.kgc.mapreduce.flowcount;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.io.IOException;public class PartitionerDriver {public static void main(String[] args) throws IllegalArgumentException, IOException,ClassNotFoundException,InterruptedException {//1 获取配置信息,获取job对象实例Configuration configuration = new Configuration();Job job = Job.getInstance(configuration);//2 指定本程序的 jar 包所在的本地路径job.setJarByClass(FlowBean.class);//3 指定本业务 job 要使用的 mapper/Reducer 业务类job.setMapperClass(FlowCountMapper.class);job.setReducerClass(FlowCountReducer.class);//4 指定 mapper 输出数据的 kv 类型job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(FlowBean.class);//5 指定最终输出的数据的 kv 类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(FlowBean.class);//6 指定自定义数据分区job.setPartitionerClass(ProvincePartitioner.class);//7 同时指定相应数量的 reduce taskjob.setNumReduceTasks(5);//8 指定 job 的输入原始文件所在目录以及输出目录FileInputFormat.setInputPaths(job,new Path("e:/phone_data.txt"));FileOutputFormat.setOutputPath(job,new Path("e:/partition"));//9 将 job 中配置的相关参数，以及 job 所用的 java 类所在的 jar 包，提交给 yarn 去运行boolean result = job.waitForCompletion(true);System.exit(result?0:1);}
}

MapReduce之Partition分区实例操作相关推荐

mapreduce之partition分区
听了超哥的一席课后逐渐明白了partition,记录一下自己的理解!(thanks 超哥) package partition;import java.io.IOException; import j ...
Partition分区及实例
Partition分区及实例 Partition分区介绍概念自定义分区步骤分区总结: Partition分区案例需求 1.需求说明 2.文件案例分析 1.需求输入数据期望输出数据实现分 ...
linux系统下grub.cfg详解和实例操作
linux系统下grub.cfg详解和实例操作简介 grub是引导操作系统的程序,它会根据自己的配置文件,去引导内核,当内核被加载到内存以后,内核会根据grub配置文件中的配置,找到根分区所使用的文 ...
Oracle 表分区删除操作
全部删除 ALTER TABLE 表名 DROP PARTITION 分区名; 仅仅删除分区数据 ALTER TABLE 表名 TRUNCATE PARTITION 分区名; 注意:操作不可逆请谨慎操 ...
GPT分区无损转MBR分区的操作
Hi all, 给小伙伴分享一个GPT分区无损转MBR分区的操作.大家如果有更好的方法,欢迎讨论.或者本文中有错误的地方,欢迎指出. 简短步骤: ======================= 1,w ...
mysql in partition_MySQL Partition分区扫盲
MySQL从5.1.3开始支持Partition,你可以使用如下命令来确认你的版本是否支持Partition: mysql> SHOW VARIABLES LIKE '%partition%'; ...
kafka专题：kafka的Topic主题、Partition分区、消费组偏移量offset等基本概念详解
文章目录 1. kafka集群整体架构 2. kafka相关元素的基本概念 2.1 主题Topic和分区Partition 2.2 kafka消息存储在哪里? 2.3 分区副本 2.4 消费组和偏移量 ...
Partition分区的使用案例
Partition分区的使用案例: 将统计结果按照条件输出到不同文件中(分区) 文章目录 1)需求 2)需求分析 3)编程实现 1.创建Partitioner类 2.创建Bean类 3.创建Mappe ...
Partition分区
文章目录 Partition分区 1.默认partitioner分区 2.自定义Partitioner步骤 3.注意事项 4.案例 Partition分区需求:按照条件输出到不同文件中. 案例:按照 ...

MapReduce之Partition分区实例操作

MapReduce之Partition分区实例操作相关推荐

最新文章

热门文章