1. map任务处理
1.3 对输出的key、value进行分区。
分区的目的指的是把相同分类的<k,v>交给同一个reducer任务处理。
public static class MyPartitioner<Text, LongWritable> extends Partitioner<Text, LongWritable>{
static HashMap<String,Integer> map = null;
static{
map = new HashMap<String,Integer>();
map.put("gz1", 0);
map.put("gz2", 0);
map.put("sz1", 1);
map.put("sz2", 1);
}
/**
* 这里是对mapper任务输出的<k2,v2>进行操作
* getPartition函数返回多少的值，就会有多少个reducer任务
*
* “gz1”与“gz2”的返回的都是0，所以与分发到同一个reducer任务上，但是k2的值不一样
* 所以分组就是
* <gz1,123>
* <gz2,234>
* 然后出现在不同reduce函数上
*/
@Override
public int getPartition(Text key, LongWritable value, int numPartitions) {
return (Integer)map.get(key.toString()).intValue();
}
}
//设置分区
wcjob.setPartitionerClass(MyPartitioner.class);
自定义排序，排序是根据k2来进行排序的，k2就需要自己进行自定义类型
private static class MyNewKey implements WritableComparable<MyNewKey> {
long firstNum;
long secondNum;
public MyNewKey() {
}
public MyNewKey(long first, long second) {
firstNum = first;
secondNum = second;
}
@Override
public void write(DataOutput out) throws IOException {
out.writeLong(firstNum);
out.writeLong(secondNum);
}
@Override
public void readFields(DataInput in) throws IOException {
firstNum = in.readLong();
secondNum = in.readLong();
}
/*
* 当key进行排序时会调用以下这个compreTo方法
*/
@Override
public int compareTo(MyNewKey anotherKey) {
long min = firstNum - anotherKey.firstNum;
if (min != 0) {
// 说明第一列不相等，则返回两数之间小的数
return (int) min;
} else {
return (int) (secondNum - anotherKey.secondNum);
}
}
}
为了针对新的key类型作分组，我们也需要自定义一下分组规则：
（1）编写一个新的分组比较类型用于我们的分组：
private static class MyGroupingComparator implements
RawComparator<MyNewKey> {
/*
* 基本分组规则：按第一列firstNum进行分组
*/
@Override
public int compare(MyNewKey key1, MyNewKey key2) {
return (int) (key1.firstNum - key2.firstNum);
}
/*
* @param b1 表示第一个参与比较的字节数组
*
* @param s1 表示第一个参与比较的字节数组的起始位置
*
* @param l1 表示第一个参与比较的字节数组的偏移量
*
* @param b2 表示第二个参与比较的字节数组
*
* @param s2 表示第二个参与比较的字节数组的起始位置
*
* @param l2 表示第二个参与比较的字节数组的偏移量
*/
@Override
public int compare(byte[] b1, int s1, int l1, byte[] b2, int s2, int l2) {
return WritableComparator.compareBytes(b1, s1, 8, b2, s2, 8);
}
}
从代码中我们可以知道，我们自定义了一个分组比较器MyGroupingComparator，该类实现了RawComparator接口，而RawComparator接口又实现了Comparator接口，下面看看这两个接口的定义：
首先是RawComparator接口的定义：
public interface RawComparator<T> extends Comparator<T> {
public int compare(byte[] b1, int s1, int l1, byte[] b2, int s2, int l2);
}
其次是Comparator接口的定义：
public interface Comparator<T> {
int compare(T o1, T o2);
boolean equals(Object obj);
}
在MyGroupingComparator中分别对这两个接口中的定义进行了实现，RawComparator中的compare()方法是基于字节的比较，Comparator中的compare()方法是基于对象的比较。
在基于字节的比较方法中，有六个参数，一下子眼花了：
Params：
* @param arg0 表示第一个参与比较的字节数组
* @param arg1 表示第一个参与比较的字节数组的起始位置
* @param arg2 表示第一个参与比较的字节数组的偏移量
*
* @param arg3 表示第二个参与比较的字节数组
* @param arg4 表示第二个参与比较的字节数组的起始位置
* @param arg5 表示第二个参与比较的字节数组的偏移量
由于在MyNewKey中有两个long类型，每个long类型又占8个字节。这里因为比较的是第一列数字，所以读取的偏移量为8字节。
（2）添加对分组规则的设置：
// 设置自定义分组规则 job.setGroupingComparatorClass(MyGroupingComparator.class);
MapReduce 学习4 ---- 自定义分区、自定义排序、自定义组分
原文：http://www.cnblogs.com/feihaoItboy/p/5947596.html