一、初步探索Partitioner

1.1 再次回顾Map阶段五大步骤

　　在第四篇博文《》中，我们认识了MapReduce的八大步凑，其中在Map阶段总共五个步骤，如下图所示：

map steps

　　其中，step1.3就是一个分区操作。通过前面的学习我们知道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节点中进行归并。哪个key到哪个Reducer的分配过程，是由Partitioner规定的。在一些集群应用中，例如分布式缓存集群中，缓存的数据大多都是靠哈希函数来进行数据的均匀分布的，在Hadoop中也不例外。

1.2 Hadoop内置Partitioner

　　MapReduce的使用者通常会指定Reduce任务和Reduce任务输出文件的数量（R）。用户在中间key上使用分区函数来对数据进行分区，之后在输入到后续任务执行进程。一个默认的分区函数式使用hash方法（比如常见的：hash(key) mod R）进行分区。hash方法能够产生非常平衡的分区，鉴于此，Hadoop中自带了一个默认的分区类HashPartitioner，它继承了Partitioner类，提供了一个getPartition的方法，它的定义如下所示：

/** Partition keys by their {
    @link Object#hashCode()}. */public class HashPartitioner
     
       extends Partitioner
      
        {  /** Use {
    @link Object#hashCode()} to partition. */  public int getPartition(K key, V value,                          int numReduceTasks) {    return (key.hashCode() & Integer.MAX_VALUE) % numReduceTasks;  }}

　　现在我们来看看HashPartitoner所做的事情，其关键代码就一句：(key.hashCode() & Integer.MAX_VALUE) % numReduceTasks;

　　这段代码实现的目的是将key均匀分布在Reduce Tasks上，例如：如果Key为Text的话，Text的hashcode方法跟String的基本一致，都是采用的Horner公式计算，得到一个int整数。但是，如果string太大的话这个int整数值可能会溢出变成负数，所以和整数的上限值Integer.MAX_VALUE（即0111111111111111）进行与运算，然后再对reduce任务个数取余，这样就可以让key均匀分布在reduce上。

partitoner

二、自己定制Partitioner

　　大部分情况下，我们都会使用默认的分区函数HashPartitioner。但有时我们又有一些特殊的应用需求，所以我们需要定制Partitioner来完成我们的业务。这里以第五篇—为例，来对其中的日志内容做一个特殊的分区：

　　从上图中我们可以发现，在第二列上并不是所有的数据都是手机号（例如：84138413并不是一个手机号），我们任务就是在统计手机流量时，将手机号码和非手机号输出到不同的文件中。

2.1 自定义KpiPartitioner

/*     * 自定义Partitioner类     */    public static class KpiPartitioner extends Partitioner
     
       {        @Override        public int getPartition(Text key, KpiWritable value, int numPartitions) {            // 实现不同的长度不同的号码分配到不同的reduce task中            int numLength = key.toString().length();            if (numLength == 11) {                return 0;            } else {                return 1;            }        }    }

　　这里按手机和非手机号码的区分是按该字段的长度来划分，如果是11位则为手机号。接下来，就是重新修改run方法中的代码：设置为打包运行，设置Partitioner为KpiPartitioner，设置ReducerTask的个数为2；

public int run(String[] args) throws Exception {        // 首先删除输出目录已生成的文件        FileSystem fs = FileSystem.get(new URI(INPUT_PATH), getConf());        Path outPath = new Path(OUTPUT_PATH);        if (fs.exists(outPath)) {            fs.delete(outPath, true);        }        // 定义一个作业        Job job = new Job(getConf(), "MyKpiJob");        // 分区需要设置为打包运行        job.setJarByClass(MyKpiJob.class);        // 设置输入目录        FileInputFormat.setInputPaths(job, new Path(INPUT_PATH));        // 设置自定义Mapper类        job.setMapperClass(MyMapper.class);        // 指定
     
      的类型        job.setMapOutputKeyClass(Text.class);        job.setMapOutputValueClass(KpiWritable.class);        // 设置Partitioner        job.setPartitionerClass(KpiPartitioner.class);        job.setNumReduceTasks(2);        // 设置Combiner        job.setCombinerClass(MyReducer.class);        // 设置自定义Reducer类        job.setReducerClass(MyReducer.class);        // 指定
      
       的类型        job.setOutputKeyClass(Text.class);        job.setOutputKeyClass(KpiWritable.class);        // 设置输出目录        FileOutputFormat.setOutputPath(job, new Path(OUTPUT_PATH));        // 提交作业        System.exit(job.waitForCompletion(true) ? 0 : 1);        return 0;    }