MapReduce全排序和二次排序
- 排序是MapReduce框架中最重要的操作之一。
- MapTask和ReduceTask均会对数据按照key进行排序。该操作属于Hadoop的默认行为。任何应用程序中的数据均会被排序，而不管逻辑上是否需要。
- 默认排序是按照字典顺序排序，且实现该排序的方法是快速排序。
对于MapTask，它会将处理的结果暂时放到环形缓冲区中，当环形缓冲区使用率达到一定阈值后，再对缓冲区中的数据进行一次快速排序，并将这些有序数据溢写到磁盘上，而当数据处理完毕后，它会对磁盘上所有文件进行归并排序。
对于ReduceTask，它从每个MapTask上远程拷贝相应的数据文件，如果文件大小超过一定阈值，则溢写磁盘上，否则存储在内存中。如果磁盘上文件数目达到一定阈值，则进行一次归并排序以生成一个更大文件;如果内存中文件大小或者数目超过一定阈值，则进行一次合并后将数据溢写到磁盘上。当所有数据拷贝完毕后，ReduceTask统一对内存和磁盘上的所有数据进行一次归并排序。
(1)部分排序
MapReduce根据输入记录的键对数据集排序。保证输出的每个文件内部有序。
(2)全排序
最终输出结果只有一个文件，且文件内部有序。实现方式是只设置一个ReduceTask。但该方法在处理大型文件时效率极低，因为一台机器处理所有文件，完全丧失了MapReduce所提供的并行架构。
(3)二次排序
在自定义排序过程中，如果compareTo中的判断条件为两个即为二次排序。
(4）辅助排序:(GroupingComparator分组)
在Reduce端对key进行分组。应用于:在接收的key为bean对象时，想让一个或几个字段相同（全部字段比较不相同）的key进入到同一个reduce方法时，可以采用分组排序。
输入：
输出：
compareTo()方法 二次排序（全排序就把二次比较删掉）
@Overridepublic int compareTo(FlowBean o) {// 按照总流量倒序，上行流量正序if(this.sumFlow>o.sumFlow){return -1;} else if (this.sumFlow<o.sumFlow) {return 1;}else {if (this.upFLow > o.upFLow) {return 1;}else if(this.upFLow<o.upFLow){return -1;}else {return 0;}}}mapper
package com.mingyu.mapreduce.writableCompareTo;import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;public class FlowMapper extends Mapper<LongWritable, Text,FlowBean,Text> {private Text outV = new Text();private FlowBean outK = new FlowBean();@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {// 1、获取一行String line = value.toString();// 2、行内切割String[] split = line.split("\t");// 3、获取数据String phone = split[0];String upFlow = split[1];String downFlow = split[2];// 4、设置数据outV.set(phone);outK.setUpFLow(Long.parseLong(upFlow));outK.setDownFlow(Long.parseLong(downFlow));outK.setSumFlow();//5、封装context.write(outK,outV);}
}
Reducer
package com.mingyu.mapreduce.writableCompareTo;import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;public class FlowReducer extends Reducer<FlowBean,Text,Text, FlowBean> {@Overrideprotected void reduce(FlowBean key, Iterable<Text> values, Context context) throws IOException, InterruptedException {for (Text value : values) {context.write(value,key);}}
}
Driver
package com.mingyu.mapreduce.writableCompareTo;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import java.io.IOException;public class FlowDriver {public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {// 1、获取jobConfiguration conf = new Configuration();Job job = Job.getInstance(conf);// 2、设置jarjob.setJarByClass(FlowBean.class);// 3、关联mapper、reducerjob.setMapperClass(FlowMapper.class);job.setReducerClass(FlowReducer.class);// 4、设置mapper输出的key和value类型job.setMapOutputKeyClass(FlowBean.class);job.setMapOutputValueClass(Text.class);// 5、设置最终输出的key和value类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(FlowBean.class);// 6、设置数据的输入和输出路径FileInputFormat.setInputPaths(job, new Path("D:\\QQ_file\\bigdatda\\note_info\\hadoop3.3\\output\\output_phone2"));FileOutputFormat.setOutputPath(job, new Path("D:\\QQ_file\\bigdatda\\note_info\\hadoop3.3\\output\\output_phone4"));// 7、提交jobboolean result = job.waitForCompletion(true);System.exit(result ? 0 : 1);}
}