hadoop - 如何为 hadoop 流指定分区程序

Question

我有一个如下所示的自定义分区器:

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;
    }  
}

我像下面这样设置hadoop流参数

 -file SignaturePartitioner.java \
 -partitioner SignaturePartitioner \

然后我得到一个错误:找不到类。

你知道问题出在哪里吗？

最好的问候，

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(interface)，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