在学习 Hadoop MapReduce 时,我遇到了如何创建自定义 Partitioner 类。我明白我们需要在我们的类中定义抽象的 getPartition 方法。此方法应该返回当前键值对的分区号(整数)。
现在,分区数将等于作业的 reduce task 数。如果在自定义分区程序中,编写一些逻辑来根据“值”而不是“键”来选择分区怎么办?根据我的理解,这可能意味着具有相同键(但不同值)的记录可能由不同的 reduce 任务处理,这不是 MapReduce 所保证的。这不是异常吗?为什么我们甚至需要 getPartition(key, value, numPartitions) 方法中的“value”参数?理解有误请指正。
最佳答案
分区可以基于中间(映射器在将数据溢出到磁盘之前的输出)键或值进行。当您根据值进行分区时,两个不同的分区可以包含具有相同键的记录。
关于java - 如果让自定义分区程序为具有相同键的记录选择不同的分区会怎样?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32350429/