使用Partitioner实现输出到多个文件

1、需求

按学生的年龄段，将数据输出到不同的文件。这里我们分为三个年龄段：小于等于20岁、大于20岁小于等于50岁和大于50岁

2、实现

1、编写Partitioner，代码如下

public static class StudentPartitioner extends Partitioner<IntWritable, Text> {
    @Override
    public int getPartition(IntWritable key, Text value, int numReduceTasks) {
        // 学生年龄
        int ageInt = key.get();

        // 默认指定分区 0
        if (numReduceTasks == 0)
            return 0;    

        if (ageInt <= 20) { // 年龄小于等于20，指定分区0
            return 0;
        }else if (ageInt <= 50) { // 年龄大于20，小于等于50，指定分区1
            return 1;
        }else{ // 剩余年龄，指定分区2
            return 2;
        }
    }
}

2、编写mapper

public static class StudentMapper extends Mapper<LongWritable, Text, IntWritable, Text>{
    @Override
    protected void map(LongWritable key, Text value,Context context) throws IOException, InterruptedException {
        String[] studentArr = value.toString().split("\t");

        if(StringUtils.isNotBlank(studentArr[1])){
            /*
             * 姓名    年龄（中间以tab分割）
             * 张明明    45
             */
            // 年龄
            IntWritable pKey = new IntWritable(Integer.parseInt(studentArr[1].trim()));

            // 以年龄作为key输出
            context.write(pKey, value);
        }
    }
}

3、编写reducer

public static class StudentReducer extends Reducer<IntWritable, Text, NullWritable, Text> {
    @Override
    protected void reduce(IntWritable key, Iterable<Text> values,Context context) throws IOException, InterruptedException {
        for(Text value : values){
            context.write(NullWritable.get(), value);
        }
    }
}

4、一些运行代码

@Override
public int run(String[] arg0) throws Exception {
    // 读取配置文件
    Configuration conf = new Configuration();

    Path mypath = new Path(arg0[1]);
    FileSystem hdfs = mypath.getFileSystem(conf);
    if (hdfs.isDirectory(mypath)) {
        hdfs.delete(mypath, true);
    }

    // 新建一个任务
    Job job = new Job(conf, "PartitionerDemo");
    // 设置主类
    job.setJarByClass(StudentPartitioner.class);

    // 输入路径
    FileInputFormat.addInputPath(job, new Path(arg0[0]));
    // 输出路径
    FileOutputFormat.setOutputPath(job, new Path(arg0[1]));

    // Mapper
    job.setMapperClass(StudentMapper.class);
    // Reducer
    job.setReducerClass(StudentReducer.class);

    // mapper输出格式
    job.setMapOutputKeyClass(IntWritable.class);
    job.setMapOutputValueClass(Text.class);

    // reducer输出格式
    job.setOutputKeyClass(NullWritable.class);
    job.setOutputValueClass(Text.class); 

    //设置Partitioner类
     job.setPartitionerClass(StudentPartitioner.class);
     // reduce个数设置为3
    job.setNumReduceTasks(3);

    //提交任务
    return job.waitForCompletion(true)?0:1;
}

public static void main(String[] args0) throws Exception {
    // 数据输入路径和输出路径
//    String[] args0 = {
//        "hdfs://ljc:9000/buaa/student/student.txt",
//        "hdfs://ljc:9000/buaa/student/out/"
//    };
    int ec = ToolRunner.run(new Configuration(), new StudentAgePartitionerDemo(), args0);
    System.exit(ec);
}

3、总结

Partitioner适用于事先知道分区数的情况下，比如像上面这个需求

缺点：

1、在作业运行之前需要知道分区数，也就是年龄段的个数，如果分区数未知，就无法操作。

2、一般来说，让应用程序来严格限定分区数并不好，因为可能导致分区数少或分区不均

如果，您认为阅读这篇博客让您有些收获，不妨点击一下右下角的【推荐】。
如果，您希望更容易地发现我的新博客，不妨点击一下左下角的【关注我】。
如果，您对我的博客所讲述的内容有兴趣，请继续关注我的后续博客，我是【刘超★ljc】。

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。

实现代码及数据：下载