Spark分区器HashPartitioner和RangePartitioner代码详解

Spark分区器HashPartitioner和RangePartitioner代码详解

iteblog 过往记忆大数据

  在Spark中分区器直接决定了RDD中分区的个数;也决定了RDD中每条数据经过Shuffle过程属于哪个分区;也决定了Reduce的个数。这三点看起来是不同的方面的,但其深层的含义是一致的。
  我们需要注意的是,只有Key-Value类型的RDD才有分区的,非Key-Value类型的RDD分区的值是None的。
  在Spark中,存在两类分区函数:HashPartitioner和RangePartitioner,它们都是继承自Partitioner,主要提供了每个RDD有几个分区(numPartitions)以及对于给定的值返回一个分区ID(0~numPartitions-1),也就是决定这个值是属于那个分区的。
HashPartitioner分区
  HashPartitioner分区的原理很简单,对于给定的key,计算其hashCode,并除于分区的个数取余,如果余数小于0,则用余数+分区的个数,最后返回的值就是这个key所属的分区ID。实现如下:

01  class HashPartitioner(partitions: Int) extends Partitioner {02  require(partitions >= 0, s"Number of partitions ($partitions) cannot be negative.")03  04  def numPartitions: Int = partitions05  06  def getPartition(key: Any): Int = key match {07  case null => 008  case _ => Utils.nonNegativeMod(key.hashCode, numPartitions)09  }10  11  override def equals(other: Any): Boolean = other match {12  case h: HashPartitioner =>13  h.numPartitions == numPartitions14  case _ =>15  false16  }17  18  override def hashCode: Int = numPartitions19  }
©著作权归作者所有:来自51CTO博客作者mob604756f47778的原创作品,如需转载,请注明出处,否则将追究法律责任