第五章_Spark核心编程_Rdd_转换算子_keyValue型_partitionBy

1. 定义

    /*
    * 1. 定义
    *    def partitionBy(partitioner: Partitioner): RDD[(K, V)]
    *
    * 2. 功能
    *    将数据类型为key-value的Rdd 按照指定 Partitioner 重新进行分区
    *    默认分区器为 HashPartitioner
    *
    * 3. note
    *    1. 参数必须是 org.apache.spark.Partitioner的实现类
    *    2. partitionBy算子 只能操作元素类型为 (key,value)的Rdd
    *    3. 只能按照key来分区
    *
    * 4. 思考
    *    1. 如果重分区的分区器和当前 RDD 的分区器一样怎么办?
    *          if (self.partitioner == Some(partitioner)) self
    *       partitionBy 会判断 传入分区器和 rdd分区器是否类型相同
    *       如果类型相同,则返回 Rdd的引用
    *
    *    2. Spark 还有其他分区器吗?
    *        HashPartitioner、RangePartitioner
    * */

2. 示例

package keyvaluePak {

  import org.apache.spark.rdd.RDD
  import org.apache.spark.{HashPartitioner, Partitioner, SparkConf, SparkContext}

  //自定义分区器
  //必须是 org.apache.spark.Partitioner的实现类
  //需求 : 按 正负数分区
  class custPartitioner(partitions: Int) extends Partitioner {
    override def numPartitions: Int = partitions

    //通过对key判断,返回对应的分区编号 part-0000X
    override def getPartition(key: Any): Int = {
      if (key.asInstanceOf[Int] >= 0) {
        0
      } else {
        1
      }
    }
  }


  object partitionByTest extends App {

    val sparkconf: SparkConf = new SparkConf().setMaster("local").setAppName("distinctTest")

    val sc: SparkContext = new SparkContext(sparkconf)

    val rdd: RDD[(Int, String)] = sc.makeRDD(List((1, "x"), (-2, "x"), (3, "x"), (-4, "x"), (5, "x"), (-6, "x"), (7, "x")), 2)

    //使用自定义分区器
    val rdd2: RDD[(Int, String)] = rdd.partitionBy(new custPartitioner(2))

    //使用 HashPartitioner 分区器
    val rdd3: RDD[(Int, String)] = rdd.partitionBy(new HashPartitioner(2))
    private val rdd4: RDD[(Int, String)] = rdd3.partitionBy(new HashPartitioner(2))

    //使用匿名内部类
    // 按照 奇偶性分区
    private val rdd5: RDD[(Int, String)] = rdd.partitionBy(
      new Partitioner {
        override def numPartitions: Int = 3 //指定分区个数

        override def getPartition(key: Any): Int = {
          if (key.asInstanceOf[Int].abs % 2 == 0) {
            0
          } else {
            1
          }
        }
      }
    )
    
    //rdd2.saveAsTextFile("Spark_319/src/output/01")
    //rdd3.saveAsTextFile("Spark_319/src/output/02")
    rdd5.saveAsTextFile("Spark_319/src/output/05")

    sc.stop()
  }


}