Hadoop之WritableComprale 排序

Hadoop之WritableComprale 排序

Hadoop只对key进行排序

排序是 MapReduce 框架中最重要的操作之一。Map Task 和 Reduce Task 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 Map Task，它会将处理的结果暂时放到一个缓冲区

中，当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排序，并将这些有序数据写到磁盘上，而当数据处理完毕

后，它会对磁盘上所有文件进行一次合并，以将这些文件合并成一个大的有序文件。对于 Reduce Task，它从每个 Map Task

上远程拷贝相应的数据文件，如果文件大小超过一定阈值，则放到磁盘上，否则放到内存中。如果磁盘上文件数目达到一定阈

值，则进行一次合并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写到磁盘

上。当所有数据拷贝完毕后，Reduce Task 统一对内存和磁盘上的所有数据进行一次合并。

部分排序（区内排序）

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排序。

//实现在每个分区文件内部进行有序输出
//排序的实体类需要实现WritableComparable  重写 compareTo方法
//让实体类作为key 即可

全排序

如何用 Hadoop 产生一个全局排序的文件？最简单的方法是使用一个分区。但该方法在

处理大型文件时效率极低，因为一台机器必须处理所有输出文件，从而完全丧失了

MapReduce 所提供的并行架构。

替代方案：首先创建一系列排好序的文件；其次，串联这些文件；最后，生成一个全局

排序的文件。主要思路是使用一个分区来描述输出的全局排序。例如：可以为上述文件创建

3 个分区，在第一分区中，记录的单词首字母 a-g，第二分区记录单词首字母 h-n, 第三分区

记录单词首字母 o-z。

//排序的实体类需要实现WritableComparable  重写 compareTo方法
public class PhoneDataSortBean implements WritableComparable<PhoneDataSortBean> {

    private long up;
    private long down;
    private long sum;

    @Override
    public String toString() {
        return up +
                "\t" + down +
                "\t" + sum;
    }

    public PhoneDataSortBean(long up, long down) {
        this.up = up;
        this.down = down;
        this.sum = up + down;
    }

    public PhoneDataSortBean() {
    }

    public long getUp() {
        return up;
    }

    public void setUp(long up) {
        this.up = up;
    }

    public long getDown() {
        return down;
    }

    public void setDown(long down) {
        this.down = down;
    }

    public long getSum() {
        return sum;
    }

    public void setSum(long sum) {
        this.sum = sum;
    }

    @Override
    public int compareTo(PhoneDataSortBean o) {
        //按照总流量排序
        return (int) (o.sum - this.sum);
    }

    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeLong(this.down);
        dataOutput.writeLong(this.up);
        dataOutput.writeLong(this.sum);
    }

    @Override
    public void readFields(DataInput dataInput) throws IOException {
        this.down = dataInput.readLong();
        this.up = dataInput.readLong();
        this.sum = dataInput.readLong();
    }
}

辅助排序：（GroupingComparator 分组）

Mapreduce 框架在记录到达 reducer 之前按键对记录排序，但键所对应的值并没有被排

序。甚至在不同的执行轮次中，这些值的排序也不固定，因为它们来自不同的 map 任务且

这些 map 任务在不同轮次中完成时间各不相同。一般来说，大多数 MapReduce 程序会避免

让 reduce 函数依赖于值的排序。但是，有时也需要通过特定的方法对键进行排序和分组等

以实现对值的排序。

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。

本博客仅为博主学习总结，感谢各大网络平台的资料。蟹蟹!!