文章目录
-
- 概述
- 分类
- 自定义排序WritableComparable
- WritableComparable排序案例实操(区内排序)
概述
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-定阈值,则进行- -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。
分类
(1)部分排序
MapR educe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Reduce Task。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MapR educe所提供的并行架构。
(3)辅助排序: (GroupingComparatar分组)
在R educe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keyi进 入到同一个reduce方法时,可以采用分组排序。
(4)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。
自定义排序WritableComparable
(1)原理分析
bean对象做为key传输,需要实现WritableComparable接口重写compareTo方法,就可以实现排序
@Override
public int compareTo(FlowBean o) {
int result;
// 按照总流量大小,倒序排列
if (sumFlow > bean.getSumFlow()) {
result = -1;
}else if (sumFlow < bean.getSumFlow()) {
result = 1;
}else {
result = 0;
}
return result;
}
WritableComparable排序案例实操(全排序)
1.需求
对每个手机号的总流量进行排序。
数据如下:
13470253144 180 180 360
13509468723 7335 110349 117684
13560439638 918 4938 5856
13568436656 3597 25635 29232
13590439668 1116 954 2070
13630577991 6960 690 7650
13682846555 1938 2910 4848
13729199489 240 0 240
13736230513 2481 24681 27162
13768778790 120 120 240
13846544121 264 0 264
13956435636 132 1512 1644
13966251146 240 0 240
13975057813 11058 48243 59301
13992314666 3008 3720 6728
15043685818 3659 3538 7197
15910133277 3156 2936 6092
15959002129 1938 180 2118
18271575951 1527 2106 3633
18390173782 9531 2412 11943
84188413 4116 1432 5548
2. 代码实现
(1)FlowBean
public class FlowBean implements WritableComparable<FlowBean> {
private long upFlow;
private long downFlow;
private long sumFlow;
public FlowBean() { }
public FlowBean(long upFlow, long downFlow) {
this.upFlow = upFlow;
this.downFlow = downFlow;
this.sumFlow = upFlow+downFlow;
}
public long getUpFlow() {
return upFlow;
}
public void setUpFlow(long upFlow) {
this.upFlow = upFlow;
}
public long getDownFlow() {
return downFlow;
}
public void setDownFlow(long downFlow) {
this.downFlow = downFlow;
}
public long getSumFlow() {
return sumFlow;
}
public void setSumFlow(long sumFlow) {
this.sumFlow = sumFlow;
}
@Override
public String toString() {
return upFlow +
"\t" + downFlow +
"\t" + sumFlow ;
}
//TODO 核心比较条件
@Override
public int compareTo(FlowBean bean) {
//TODO 核心比较条件判断
//TODO 正向排序法则
int result ; // 0 , 1 , -1 相等取0 正向取1 , 负向取-1
if (sumFlow > bean.getSumFlow()){
result = -1;
}else if (sumFlow < bean.getSumFlow()){
result = 1;
}else {
result = 0;
}
return result;
}
//TODO 序列化
@Override
public void write(DataOutput out) throws IOException {
out.writeLong( upFlow );
out.writeLong( downFlow );
out.writeLong( sumFlow );
}
//TODO 反序列化
@Override
public void readFields(DataInput in) throws IOException {
upFlow = in.readLong();
downFlow = in.readLong();
sumFlow = in.readLong();
}
}
(2)编写Mapper类
ublic class FlowCountSortMapper extends Mapper<LongWritable, Text,FlowBean,Text> {
FlowBean k = new FlowBean();
Text v = new Text();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//TODO 获取并切割
String[] splits = value.toString().split( "\t" );
//13975057813 11058 48243 59301
//TODO 封装对象
String phoneNum = splits[0];
long upFlow = Long.parseLong( splits[1] );
long downFlow = Long.parseLong( splits[2] );
long sumFlow = Long.parseLong( splits[3] );
v.set( phoneNum );
k.setUpFlow( upFlow );
k.setDownFlow( downFlow );
k.setSumFlow( sumFlow );
context.write( k,v );
}
}
(3)编写Reducer类
public class FlowCountSortReducer extends Reducer<FlowBean, Text,Text,FlowBean> {
@Override
protected void reduce(FlowBean key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
for (Text value : values) {
context.write (value,key);
}
}
}
(4)编写Driver类
public class FlowCountSortDriver {
public static void main(String[] args) throws Exception{
// 1 获取配置信息,或者job对象实例
Configuration configuration = new Configuration();
Job job = Job.getInstance(configuration);
// 2 指定本程序的jar包所在的本地路径
job.setJarByClass(FlowCountSortDriver.class);
// 3 指定本业务job要使用的mapper/Reducer业务类
job.setMapperClass(FlowCountSortMapper.class);
job.setReducerClass(FlowCountSortReducer.class);
// 4 指定mapper输出数据的kv类型
job.setMapOutputKeyClass(FlowBean.class);
job.setMapOutputValueClass(Text.class);
// 5 指定最终输出的数据的kv类型
job.setOutputKeyClass( Text.class);
job.setOutputValueClass(FlowBean.class);
// 6 指定job的输入原始文件所在目录
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
// 7 将job中配置的相关参数,以及job所用的java类所在的jar包, 提交给yarn去运行
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}
WritableComparable排序案例实操(区内排序)
1.需求
要求每个省份手机号输出的文件中按照总流量内部排序。
2.需求分析
基于前一个需求,增加自定义分区类,分区按照省份手机号设置。
3.案例实操
(1)增加自定义分区类
public class ProvincePartitioner extends Partitioner<FlowBean,Text> {
@Override
public int getPartition(FlowBean key, Text values, int numPartitions) {
int partition = 4;
String substring = values.toString().substring( 0, 3 );
if("136".equals( substring )){
partition = 0;
}else if("137".equals( substring )){
partition = 1;
}else if("138".equals( substring )){
partition = 2;
}else if("139".equals( substring )){
partition = 3;
}
return partition;
}
}
(2)在驱动类中添加分区类
// 加载自定义分区类
job.setPartitionerClass(ProvincePartitioner.class);
// 设置Reducetask个数
job.setNumReduceTasks(5);