MapReduce(MR)框架里shuffer过程中Partition的使用

Partitioner类：主要在Shuffle过程中按照Key值将中间结果分成R份，其中每份都有一个Reduce去负责。使用的时候可以通过job.setPartitionerClass()方法进行设置， 实现getPartition函数，默认的使用hashPartitioner类。

举一个简单的例子：

在Hdfs文件系统下有这样一个txt，txt的数据如下：红色方框是时间戳

时间戳的日期是从8月20到9月20。

需求：按日期把数据分成32份，比如第一份文件存的是时间戳对应日期是0820的数据，以此类推。

思路：最终结果需要32个part分别存32个日期的数据

代码如下：

 首先Main里设置如下：

// 使用该类
job.setPartitionerClass(chaiwWjPartitioner.class);
// 设置reduce数为32
job.setNumReduceTasks(32);

chaiwWjPartitione类的代码：

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

public class chaiwWjPartitioner extends Partitioner<Text, Text>
{
  public int getPartition(Text key, Text value, int numPartitions)
  {
	  String day=key.toString();
	  if("20170820".equals(day)) {
		  return 0;
	  }else if("20170821".equals(day)) {
		  return 1;
	  }else if("20170822".equals(day)) {
		  return 2;
	  }else if("20170823".equals(day)) {
		  return 3;
	  }else if("20170824".equals(day)) {
		  return 4;
	  }else if("20170825".equals(day)) {
		  return 5;
	  }else if("20170826".equals(day)) {
		  return 6;
	  }else if("20170827".equals(day)) {
		  return 7;
	  }else if("20170828".equals(day)) {
		  return 8;
	  }else if("20170829".equals(day)) {
		  return 9;
	  }else if("20170830".equals(day)) {
		  return 10;
	  }else if("20170831".equals(day)) {
		  return 11;
	  }else if("20170901".equals(day)) {
		  return 12;
	  }else if("20170902".equals(day)) {
		  return 13;
	  }else if("20170903".equals(day)) {
		  return 14;
	  }else if("20170904".equals(day)) {
		  return 15;
	  }else if("20170905".equals(day)) {
		  return 16;
	  }else if("20170906".equals(day)) {
		  return 17;
	  }else if("20170907".equals(day)) {
		  return 18;
	  }else if("20170908".equals(day)) {
		  return 19;
	  }else if("20170909".equals(day)) {
		  return 20;
	  }else if("20170910".equals(day)) {
		  return 21;
	  }else if("20170911".equals(day)) {
		  return 22;
	  }else if("20170912".equals(day)) {
		  return 23;
	  }else if("20170913".equals(day)) {
		  return 24;
	  }else if("20170914".equals(day)) {
		  return 25;
	  }else if("20170915".equals(day)) {
		  return 26;
	  }else if("20170916".equals(day)) {
		  return 27;
	  }else if("20170917".equals(day)) {
		  return 28;
	  }else if("20170918".equals(day)) {
		  return 29;
	  }else if("20170919".equals(day)) {
		  return 30;
	  }else if("20170920".equals(day)) {
		  return 31;
	  }else {
		  return -1;
	  }  
  }
}

通过Partition代码，key值有32种返回结果，reduce任务数目又为32 

结果如图：

其中0820的数据在part0里，0821在part01里，以此类推。

应用场景：数据倾斜