Hadoop 高级程序设计(三)---自定义Partition和Combiner,hadoopcombiner
Hadoop 高级程序设计(三)---自定义Partition和Combiner,hadoopcombiner
Hadoop提供了缺省的Partition来完成map的输出向reduce分发处理。有时也需要自定义partition来将相同key值的数据分发到同一个reduce处理,为了减少map过程输出的中间结果键值对的数量,降低网络数据通信开销,用户也可以自定制combiner过程。
自定制Partition过程:
在mapreduce中,partition用于决定Map节点输出将被分到哪个Reduce节点,MapReduce提供的缺省Partition是HashPartition,他根据每条数据的主键值进行hash操作,获得一个hash码,然后对当前的分区数量进行取模计算,以此决定分发到哪个reduce节点。用户自定制的Partition,重载了getPartition()方法,对于上篇的倒排索引复合键,将<itr.nextToken()+":"+split.getPath().toString().substring(splitIndex),"1">拆开.代码:
public class NewPartition extends HashPartitioner<Text,Text>{ String keyinfo; public int getPartition(Text key,Text value,int numReducerTasks){ keyinfo = key.toString().split(":")[0]; return super.getPartition(new Text(keyinfo), value, numReducerTasks); } }自定制的partition使用:
job.setPartitionClass(NewPartition.class);
而用户自定制的combiner,借鉴上篇的倒排索引的部分代码:
public static class combiner extends Reducer<Text,Text,Text,Text>{ private Text info = new Text(); //为了拆分 key值 准备存储新的value值 public void reduce(Text key,Iterable<Text>values,Context context) throws IOException, InterruptedException{ int sum = 0; for(Text val:values){ sum += Integer.parseInt(val.toString()); } int splitIndex = key.toString().indexOf(":"); info.set(key.toString().substring(splitIndex+1)+":"+sum); //新的value值 key.set(key.toString().substring(0, splitIndex)); context.write(key, info); } }
自定制的combiner用:
job.setCombinerClass(combiner.class);
combine和partition都是函数,中间的步骤应该只有shuffle!
combine分为map端和reduce端,作用是把同一个key的键值对合并在一起,可以自定义的。
partition是分割map每个节点的结果,按照key分别映射给不同的reduce,也是可以自定义的。
shuffle就是map和reduce之间的过程,包含了两端的combine和partition。
默认就是不排序的
评论暂时关闭