大数据Hadoop之MR Partition分区案例

前言： 还记得之前统计上行流量，下行流量的案例吗？现在在此基础上在增加要求，如何解决呢？

FlowCountBean案例：https://blog.csdn.net/qq_43437122/article/details/106173182

1．需求

将统计结果按照手机归属地不同省份输出到不同文件中（分区）。

（1）输入数据

1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
2	13846544121	192.196.100.2			264	0	200
3 	13956435636	192.196.100.3			132	1512	200
4 	13966251146	192.168.100.1			240	0	404
5 	18271575951	192.168.100.2	www.atguigu.com	1527	2106	200
6 	84188413	192.168.100.3	www.atguigu.com	4116	1432	200
7 	13590439668	192.168.100.4			1116	954	200
8 	15910133277	192.168.100.5	www.hao123.com	3156	2936	200
9 	13729199489	192.168.100.6			240	0	200
10 	13630577991	192.168.100.7	www.shouhu.com	6960	690	200
11 	15043685818	192.168.100.8	www.baidu.com	3659	3538	200
12 	15959002129	192.168.100.9	www.atguigu.com	1938	180	500
13 	13560439638	192.168.100.10			918	4938	200
14 	13470253144	192.168.100.11			180	180	200
15 	13682846555	192.168.100.12	www.qq.com	1938	2910	200
16 	13992314666	192.168.100.13	www.gaga.com	3008	3720	200
17 	13509468723	192.168.100.14	www.qinghua.com	7335	110349	404
18 	18390173782	192.168.100.15	www.sogou.com	9531	2412	200
19 	13975057813	192.168.100.16	www.baidu.com	11058	48243	200
20 	13768778790	192.168.100.17			120	120	200
21 	13568436656	192.168.100.18	www.alibaba.com	2481	24681	200
22 	13568436656	192.168.100.19			1116	954	200

（2）期望输出数据

手机号136、137、138、139开头都分别放到一个独立的4个文件中，其他开头的放到一个文件中。

2．需求分析

3．在案例FlowCountBean的基础上，增加一个分区类

Partitioner：

package com.mapreduce.flowcount;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;

// 定义一个Partitioner的子类
public class FlowCountPartitioner extends Partitioner<Text, FlowCountBean>{

	// 重写getPartition方法
	@Override
	public int getPartition(Text k, FlowCountBean v, int numPartitions) {
		
		// 1. 获取电话号码的前三位
		String preNum = k.toString().substring(0, 3);
		
		int partition = 4;
		// 2. 判断是哪个省
		if("136".equals(preNum)) {
			partition = 0;
		} else if("137".equals(preNum)) {
			partition = 1;
		} else if("138".equals(preNum)) {
			partition = 2;
		} else if("139".equals(preNum)) {
			partition = 3;
		}
		
		return partition;
	}
	
}

4. 在Driver类里面加上下面的代码就行了：

// 8. 指定自定义数据分区
job.setPartitionerClass(FlowCountPartitioner.class);
		
// 9. 设置reduce task的数量
job.setNumReduceTasks(5);

5. 结果展示

6. Partition分区总结：