hadoop - 如何为hadoop流指定分区器

Question

我有一个自定义分区器，如下所示：

import java.util.*;
import org.apache.hadoop.mapreduce.*;

public static class SignaturePartitioner extends Partitioner<Text,Text>
{
    @Override
    public int getPartition(Text key,Text value,int numReduceTasks)
    {
        return (key.toString().Split(' ')[0].hashCode() & Integer.MAX_VALUE) % numReduceTasks;
    }  
}

我设置了hadoop流参数，如下所示

 -file SignaturePartitioner.java \
 -partitioner SignaturePartitioner \

然后我得到一个错误：找不到类。

你知道有什么问题吗？

此致，

Answer 1

我遇到了同样的问题，但经过大量研究后设法解决了。

根本原因是 streaming-2.6.0.jar 使用 mapred api 而不是 mapreduce api。另外，实现 Partitioner 接口，而不是扩展 Partitioner 类。以下对我有用：

import java.io.IOException;
 import org.apache.hadoop.io.Text;
 import org.apache.hadoop.mapred.Partitioner;
 import org.apache.hadoop.mapred.JobConf;`

public class Mypartitioner implements Partitioner<Text, Text> {`

public void configure(JobConf job) {}
 public int getPartition(Text pkey, Text pvalue, int pnumparts)
    {
      if (pkey.toString().startsWith("a"))
       return 0;
      else  return 1 ;
    }
  }

编译 Mypartitioner，创建 jar，然后，

bin/hadoop jar share/hadoop/tools/lib/hadoop-streaming-2.6.0.jar
-libjars /home/sanjiv/hadoop-2.6.0/Mypartitioner.jar
-D mapreduce.job.reduces=2
-files /home/sanjiv/mymapper.sh,/home/sanjiv/myreducer.sh
-input indir -output outdir -mapper mymapper.sh
-reducer myreducer.sh -partitioner Mypartitioner

Answer 2

-file SignaturePartitioner.java -partitioner SignaturePartitioner

-file 选项将使文件在 Hadoop 框架所需的所有节点上可用。它需要指向类名而不是 Java 文件名。