我是 hadoop 和 mapreduce 分区程序的新手。我想编写自己的分区程序，我需要在分区程序中读取文件。我已经搜索了很多次，我知道我应该使用分布式缓存。这是我的问题，我如何在我的 hadoop 分区器中使用分布式缓存？我应该在我的分区器中写什么？
public static class CaderPartitioner extends Partitioner<Text,IntWritable> {
@Override
public int getPartition(Text key, IntWritable value, int numReduceTasks) {
return 0;
}
}
谢谢
【问题讨论】：
标签： hadoop mapreduce partitioner
解决这个问题的最简单方法是查看 hadoop 中包含的示例分区器。在这种情况下，要查看的是TotalOrderPartitioner，它会读入预先生成的文件以帮助直接键。
首先，您需要告诉分区程序在您的 mapreduce 作业驱动程序（在 HDFS 上）中可以找到文件的位置：
// Define partition file path.
Path partitionPath = new Path(outputDir + "-part.lst");
// Use Total Order Partitioner.
job.setPartitionerClass(TotalOrderPartitioner.class);
// Generate partition file from map-only job's output.
TotalOrderPartitioner.setPartitionFile(job.getConfiguration(), partitionPath);
在TotalOrderPartitioner 中，您会看到implements Configurable 允许它访问配置，因此它可以获取HDFS 上文件的路径。
文件在public void setConf(Configuration conf)方法中被读取，该方法将在创建Partitioner对象时被调用。此时您可以读取文件并进行任何您想要的设置。
我认为您可以重复使用此分区程序中的大量代码。
【讨论】：