Hadoop 파 티 셔 너 구성 요소
package org.apache.hadoop.mapreduce.lib.partition;
import org.apache.hadoop.mapreduce.Partitioner;
/** Partition keys by their {@link Object#hashCode()}. */
public class HashPartitioner<K, V> extends Partitioner<K, V> {
/** Use {@link Object#hashCode()} to partition. */
public int getPartition(K key, V value,
int numReduceTasks) {
return (key.hashCode() & Integer.MAX_VALUE) % numReduceTasks;
}
}
4. 사용자 정의 Partitioner 1) 추상 류 Partitioner 를 계승 하여 사용자 정의 getPartition () 방법 2) job. setPartitionerClass () 를 통 해 사용자 정의 Partitioner 를 org. apache. hadop. mapreduce. Partitioner. java 에 설정 합 니 다.
package org.apache.hadoop.mapreduce;
/**
* Partitions the key space.
*
* Partitioner
controls the partitioning of the keys of the
* intermediate map-outputs. The key (or a subset of the key) is used to derive
* the partition, typically by a hash function. The total number of partitions
* is the same as the number of reduce tasks for the job. Hence this controls
* which of the m
reduce tasks the intermediate key (and hence the
* record) is sent for reduction.
*
* @see Reducer
*/
public abstract class Partitioner {
/**
* Get the partition number for a given key (hence record) given the total
* number of partitions i.e. number of reduce-tasks for the job.
*
* Typically a hash function on a all or a subset of the key.
*
* @param key the key to be partioned.
* @param value the entry value.
* @param numPartitions the total number of partitions.
* @return the partition number for the key
.
*/
public abstract int getPartition(KEY key, VALUE value, int numPartitions);
}
Partitioner 예 Partitioner 응용 상황: 수요: 각 상품 의 주간 판매 상황 site 1 의 주간 판매 목록 을 각각 통계: shoes 20 hat 10 stockings 30 clothes 40
사이트 2 의 주간 판매 목록: shoes 15 hat 1 스타킹 90 clothes 80
집계 결과: shoes 35 hat 11 스타킹 120 옷 120
코드 는 다음 과 같 습 니 다: MyMapper. java
package com.partitioner;
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class MyMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
@Override
protected void map(LongWritable key, Text value,Context context)
throws IOException, InterruptedException {
String[] s = value.toString().split("\\s+") ;
context.write(new Text(s[0]), new IntWritable(Integer.parseInt(s[1]))) ;
}
}
MyPartitioner.java
package com.partitioner;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;
public class MyPartitioner extends Partitioner<Text,IntWritable>{
@Override
public int getPartition(Text key, IntWritable value, int numPartitions) {
if(key.toString().equals("shoes")){
return 0 ;
}
if(key.toString().equals("hat")){
return 1 ;
}
if(key.toString().equals("stockings")){
return 2 ;
}
return 3 ;
}
}
MyReducer.java
package com.partitioner;
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class MyReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
@Override
protected void reduce(Text key, Iterable value,Context context)
throws IOException, InterruptedException {
int sum = 0 ;
for(IntWritable val : value ){
sum += val.get() ;
}
context.write(key, new IntWritable(sum)) ;
}
}
TestPartitioner.java
package com.partitioner;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.reduce.IntSumReducer;
import org.apache.hadoop.util.GenericOptionsParser;
public class TestPartitioner {
public static void main(String args[])throws Exception{
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if (otherArgs.length != 2) {
System.err.println("Usage: wordcount " );
System.exit(2);
}
Job job = new Job(conf, "word count");
job.setJarByClass(TestPartitioner.class);
job.setMapperClass(MyMapper.class);
// job.setCombinerClass(MyCombiner.class);
job.setReducerClass(MyReducer.class);
job.setPartitionerClass(MyPartitioner.class) ;
job.setNumReduceTasks(4) ;
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Azure HDInsight + Microsoft R Server에서 연산 처리 분산Microsoft Azure HDInsight는 Microsoft가 제공하는 Hadoop의 PaaS 서비스로 인프라 주변의 구축 노하우를 몰라도 훌륭한 Hadoop 클러스터를 구축할 수 있는 훌륭한 서비스입니다. 이...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.