MapReduce 统计手机用户的上行流量，下行流量，总流量，并对输出的结果进行倒序排序。（二），划分省份，输出到不同的文件

在（一）的基础上，写一个自己的partitioner就好了。

分区的默认实现HashPartitioner，它根据key的hashcode和Interger.

 在Reduce过程中，可以根据实际需求（比如按某个维度进行归档，类似于数据库的分组），把Map完的数据Reduce到不同的文件中。分区的设置需要与ReduceTaskNum配合使用。比如想要得到5个分区的数据结果。那么就得设置5个ReduceTask。

在进行MapReduce计算时，有时候需要把最终的输出数据分到不同的文件中，按照手机号码段划分的话，需要把同一手机号码段的数据放到一个文件中；按照省份划分的话，需要把同一省份的数据放到一个文件中；按照性别划分的话，需要把同一性别的数据放到一个文件中。我们知道最终的输出数据是来自于Reducer任务。那么，如果要得到多个文件，意味着有同样数量的Reducer任务在运行。Reducer任务的数据来自于Mapper任务，也就说Mapper任务要划分数据，对于不同的数据分配给不同的Reducer任务运行。Mapper任务划分数据的过程就称作Partition。负责实现划分数据的类称作Partitioner。

我们这里设置了四个数字，所以在后面设置的时候，要设置4个。

code：

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;

/**
 * @Decription: 通过号码某个部分数字的区分，输出到不同的文件
 */
import java.util.HashMap;

public class ProvincePartitioner extends Partitioner<FlowBean, Text> {
    //HashMap 集合
    public  static HashMap<String, Integer> provinceMap  = new HashMap<String, Integer>();
    static {
        provinceMap.put("3", 0);
        provinceMap.put("4", 1);
        provinceMap.put("5", 2);
        provinceMap.put("8", 3);
    }
    public  int getPartition (FlowBean key, Text value,int numPartitions) throws IndexOutOfBoundsException {
            String st = value.toString().substring(1, 2);
            int num = provinceMap.get(st);
            return num;
    }
}

HashMap put方法

Partitoner源码