spark按照key分区：partitionBy

说明

• RDD中的元素按照key指定的分区规则进行分区。
• RDD中的元素必须是键值对类型。
• 如果原有的partitionRDD和现有的partitionRDD一致的话就不进行分区，否则会发生shuffle。

函数签名

代码示例（默认分区器）

	val conf: SparkConf = new SparkConf().setAppName(this.getClass.getName).setMaster("local[*]")
    val sc = new SparkContext(conf)
    // 按照key分区，所以数据必须是k-v键值对类型
    val rdd: RDD[(String, Int)] = sc.makeRDD(List(("a", 1), ("b", 2), ("c", 3), ("d", 4)), 2)
    println("-------------------重新分区前--------------------")
    rdd.mapPartitionsWithIndex {
      (index, datas) => {
        println(index + "--->" + datas.mkString(","))
        datas
      }
    }.collect()

    println("-------------------重新分区后--------------------")
    //按照哈希值进行分区
    val newRDD: RDD[(String, Int)] = rdd.partitionBy(new HashPartitioner(3))
    newRDD.mapPartitionsWithIndex {
      (index, datas) => {
        println(index + "--->" + datas.mkString(","))
        datas
      }
    }.collect()
    sc.stop()

代码实现（自定义分区器）

class MyPartitioner(partitions: Int) extends Partitioner {
  // 分区数量
  override def numPartitions: Int = partitions

  // 分区逻辑 返回值为分区编号
  override def getPartition(key: Any): Int = {
    // 将key的类型转为String类型
    val k: String = key.asInstanceOf[String]
    if (k.startsWith("136")) 0
    else if (k.startsWith("137")) 1
    else if (k.startsWith("138")) 2
    else 3
  }
}

	// 调用自定义分区器
    val rdd: RDD[(String, String)] = sc.makeRDD(List(("13698624174", "河北"), ("13766887551", "广东"),
      ("13876543211", "上海"), ("17677885551", "河南")), 2)
    println("-------------------重新分区前--------------------")
    rdd.mapPartitionsWithIndex {
      (index, datas) => {
        println(index + "--->" + datas.mkString(","))
        datas
      }
    }.collect()

    println("-------------------重新分区后--------------------")
    val newRDD: RDD[(String, String)] = rdd.partitionBy(new MyPartitioner(4))
    newRDD.mapPartitionsWithIndex {
      (index, datas) => {
        println(index + "--->" + datas.mkString(","))
        datas
      }
    }.collect()