理解MapReduce过程中的Partitioner、Reducer与OutputFormat-优快云博客

1.解析Partition

Map的结果，会通过partition分发到Reducer上，Reducer做完Reduce操作后，通过OutputFormat，进行输出，下面我们就来分析参与这个过程的类。

Mapper的结果，可能送到Combiner做合并，Combiner在系统中并没有自己的基类，而是用Reducer作为Combiner的基类，他们对外的功能是一样的，只是使用的位置和使用时的上下文不太一样而已。Mapper最终处理的键值对<key,value>，是需要送到Reducer去合并的，合并的时候，有相同key的键/值对会送到同一个Reducer那。哪个key到哪个Reducer的分配过程，是由Partitioner规定的。它只有一个方法，

1. getPartition(Text key, Text value, int numPartitions)

输入是Map的结果对<key,value>和Reducer的数目，输出则是分配的Reducer（整数编号）。就是指定Mappr输出的键值对到哪一个reducer上去。系统缺省的Partitioner是HashPartitioner，它以key的Hash值对Reducer的数目取模，得到对应的Reducer。这样保证如果有相同的key值，肯定被分配到同一个reducre上。如果有N个reducer，编号就为0,1,2,3……(N-1)。

Reducer是所有用户定制Reducer类的基类，和Mapper类似，它也有setup，reduce，cleanup和run方法，其中setup和cleanup含义和Mapper相同，reduce是真正合并Mapper结果的地方，它的输入是key和这个key对应的所有value的一个迭代器，同时还包括Reducer的上下文。系统中定义了两个非常简单的Reducer，IntSumReducer和LongSumReducer，分别用于对整形/长整型的value求和。

Reduce的结果，通过Reducer.Context的方法collect输出到文件中，和输入类似，Hadoop引入了OutputFormat。OutputFormat依赖两个辅助接口：RecordWriter和OutputCommitter，来处理输出。RecordWriter提供了write方法，用于输出<key,value>和close方法，用于关闭对应的输出。OutputCommitter提供了一系列方法，用户通过实现这些方法，可以定制OutputFormat生存期某些阶段需要的特殊操作。我们在TaskInputOutputContext中讨论过这些方法（明显，TaskInputOutputContext是OutputFormat和Reducer间的桥梁）。OutputFormat和RecordWriter分别对应着InputFormat和RecordReader，系统提供了空输出NullOutputFormat（什么结果都不输出，NullOutputFormat.RecordWriter只是示例，系统中没有定义），LazyOutputFormat（没在类图中出现，不分析），FilterOutputFormat（不分析）和基于文件FileOutputFormat的SequenceFileOutputFormat和TextOutputFormat输出。

基于文件的输出FileOutputFormat利用了一些配置项配合工作，包括:
mapred.output.compress：是否压缩；
mapred.output.compression.codec：压缩方法；
mapred.output.dir：输出路径；
mapred.work.output.dir：输出工作路径。
FileOutputFormat还依赖于FileOutputCommitter，通过FileOutputCommitter提供一些和Job，Task相关的临时文件管理功能。如FileOutputCommitter的setupJob，会在输出路径下创建一个名为_temporary的临时目录，cleanupJob则会删除这个目录。
SequenceFileOutputFormat输出和TextOutputFormat输出分别对应输入的SequenceFileInputFormat和TextInputFormat。

2.代码实例

1. package org.apache.hadoop.examples;

3. import java.io.IOException;

4. import java.util.*;

5. import org.apache.hadoop.fs.Path;

6. import org.apache.hadoop.conf.*;

7. import org.apache.hadoop.io.*;

8. import org.apache.hadoop.mapred.*;

9. import org.apache.hadoop.util.*;

10.

11. /**

12. * 输入文本，以tab间隔

13. * kaka 1 28

14. * hua 0 26

15. * chao 1

16. * tao 1 22

17. * mao 0 29 22

18. * */

19.

20. //Partitioner函数的使用

21.

22. public class MyPartitioner {

23. // Map函数

24. public static class MyMap extends MapReduceBase implements

25. Mapper<LongWritable, Text, Text, Text> {

26. public void map(LongWritable key, Text value,

27. OutputCollector<Text, Text> output, Reporter reporter)

28. throws IOException {

29. String[] arr_value = value.toString().split("\t");

30. //测试输出

31. // for(int i=0;i<arr_value.length;i++)

32. // {

33. // System.out.print(arr_value[i]+"\t");

34. // }

35. // System.out.print(arr_value.length);

36. // System.out.println();

37. Text word1 = new Text();

38. Text word2 = new Text();

39. if (arr_value.length > 3) {

40. word1.set("long");

41. word2.set(value);

42. } else if (arr_value.length < 3) {

43. word1.set("short");

44. word2.set(value);

45. } else {

46. word1.set("right");

47. word2.set(value);

48. }

49. output.collect(word1, word2);

50. }

51. }

52.

53. public static class MyReduce extends MapReduceBase implements

54. Reducer<Text, Text, Text, Text> {

55. public void reduce(Text key, Iterator<Text> values,

56. OutputCollector<Text, Text> output, Reporter reporter)

57. throws IOException {

58. int sum = 0;

59. System.out.println(key);

60. while (values.hasNext()) {

61. output.collect(key, new Text(values.next().getBytes()));

62. }

63. }

64. }

65.

66. // 接口Partitioner继承JobConfigurable，所以这里有两个override方法

67. public static class MyPartitionerPar implements Partitioner<Text, Text> {

68. /**

69. * getPartition()方法的

70. * 输入参数：键/值对<key,value>与reducer数量numPartitions

71. * 输出参数：分配的Reducer编号，这里是result

72. * */

73. @Override

74. public int getPartition(Text key, Text value, int numPartitions) {

75. // TODO Auto-generated method stub

76. int result = 0;

77. System.out.println("numPartitions--" + numPartitions);

78. if (key.toString().equals("long")) {

79. result = 0 % numPartitions;

80. } else if (key.toString().equals("short")) {

81. result = 1 % numPartitions;

82. } else if (key.toString().equals("right")) {

83. result = 2 % numPartitions;

84. }

85. System.out.println("result--" + result);

86. return result;

87. }

88.

89. @Override

90. public void configure(JobConf arg0)

91. {

92. // TODO Auto-generated method stub

93. }

94. }

95.

96. //输入参数：/home/hadoop/input/PartitionerExample /home/hadoop/output/Partitioner

97. public static void main(String[] args) throws Exception {

98. JobConf conf = new JobConf(MyPartitioner.class);

99. conf.setJobName("MyPartitioner");

100.

101. //控制reducer数量，因为要分3个区，所以这里设定了3个reducer

102. conf.setNumReduceTasks(3);

103.

104. conf.setMapOutputKeyClass(Text.class);

105. conf.setMapOutputValueClass(Text.class);

106.

107. //设定分区类

108. conf.setPartitionerClass(MyPartitionerPar.class);

109.

110. conf.setOutputKeyClass(Text.class);

111. conf.setOutputValueClass(Text.class);

112.

113. //设定mapper和reducer类

114. conf.setMapperClass(MyMap.class);

115. conf.setReducerClass(MyReduce.class);

116.

117. conf.setInputFormat(TextInputFormat.class);

118. conf.setOutputFormat(TextOutputFormat.class);

119.

120. FileInputFormat.setInputPaths(conf, new Path(args[0]));

121. FileOutputFormat.setOutputPath(conf, new Path(args[1]));

122.

123. JobClient.runJob(conf);

124. }

125. }