学习日志---partitioner和采样器

Mapreduce中：

shuffle阶段是在map和reduce之间，可以自定义排序，自定义分区和自定义分组！

Mapreduce中，map出的数据是键值对，默认的是hashPatitionner来对map出的数据进行分区；

分区的方法还有其他几个：

RandomSampler<Text, Text> sampler =                       new InputSampler.RandomSampler<Text, Text>(0.5, 3000, 10); IntervalSampler<Text, Text> sampler2 =                      new InputSampler.IntervalSampler<Text, Text>(0.333, 10); SplitSampler<Text, Text> sampler3 =                      new InputSampler.SplitSampler<Text, Text>(reduceNumber);

实现和细节

public class TotalSortMR {             @SuppressWarnings("deprecation")     public static int runTotalSortJob(String[] args) throws Exception {           Path inputPath = new Path(args[0]);           Path outputPath = new Path(args[1]);           Path partitionFile = new Path(args[2]);           int reduceNumber = Integer.parseInt(args[3]);                      //三种采样器         RandomSampler<Text, Text> sampler = new InputSampler.RandomSampler<Text, Text>(1, 3000, 10);         IntervalSampler<Text, Text> sampler2 = new InputSampler.IntervalSampler<Text, Text>(0.333, 10);         SplitSampler<Text, Text> sampler3 = new InputSampler.SplitSampler<Text, Text>(reduceNumber);                  //任务初始化         Configuration conf = new Configuration();           Job job = Job.getInstance(conf);                  job.setJobName("Total-Sort");           job.setJarByClass(TotalSortMR.class);           job.setInputFormatClass(KeyValueTextInputFormat.class);           job.setMapOutputKeyClass(Text.class);           job.setMapOutputValueClass(Text.class);           job.setNumReduceTasks(reduceNumber);           //设置所有的分区类         job.setPartitionerClass(TotalOrderPartitioner.class);           //分区类参考的分区文件         TotalOrderPartitioner.setPartitionFile(conf, partitionFile);           //分区使用哪种采样器         InputSampler.writePartitionFile(job, sampler);                   //job的输入和输出路径         FileInputFormat.setInputPaths(job, inputPath);           FileOutputFormat.setOutputPath(job, outputPath);           outputPath.getFileSystem(conf).delete(outputPath, true);                      return job.waitForCompletion(true)? 0 : 1;     }              public static void main(String[] args) throws Exception{           System.exit(runTotalSortJob(args));       } }

job默认的输入格式是TextInputFormat，这个是key-value的形式，key是每行的行标，value是每行的内容。可以更改

job.setInputFormatClass（,....）

一般要设置mapper的输出格式，以备后面使用。