回顾Map阶段四大步骤

　　首先，我们回顾一下在MapReduce中，排序和分组在哪里被执行：

map stage

　　从上图中可以清楚地看出，在Step1.4也就是第四步中，需要对不同分区中的数据进行排序和分组，默认情况下，是按照key进行排序和分组。

1.2 实验场景数据文件

　　在一些特定的数据文件中，不一定都是类似于WordCount单次统计这种规范的数据，比如下面这类数据，它虽然只有两列，但是却有一定的实践意义。

3 3
3 2
3 1
2 2
2 1
1 1

　　（1）如果按照第一列升序排列，当第一列相同时，第二列升序排列，结果如下所示

1 1
2 1
2 2
3 1
3 2
3 3

　　（2）如果当第一列相同时，求出第二列的最小值，结果如下所示

3 1
2 1
1 1

　　接着，我们会针对这个数据文件，进行排序和分组的实践尝试，以求达到结果所示的效果。

二、初步探索排序

2.1 默认的排序

　　在Hadoop默认的排序算法中，只会针对key值进行排序，我们最初的代码如下（这里只展示了map和reduce函数）：

复制代码
public class MySortJob extends Configured implements Tool {

public static class MyMapper extendsMapper<LongWritable, Text, LongWritable, LongWritable> {protected void map(LongWritable key,Text value,Mapper<LongWritable, Text, LongWritable, LongWritable>.Context context)throws java.io.IOException, InterruptedException {String[] spilted = value.toString().split("\t");long firstNum = Long.parseLong(spilted[0]);long secondNum = Long.parseLong(spilted[1]);context.write(new LongWritable(firstNum), new LongWritable(secondNum));};
}public static class MyReducer extendsReducer<Text, LongWritable, Text, LongWritable> {protected void reduce(LongWritable key,java.lang.Iterable<LongWritable> values,Reducer<LongWritable, LongWritable, LongWritable, LongWritable>.Context context)throws java.io.IOException, InterruptedException {for (LongWritable value : values) {context.write(key, value);}};
}

}

复制代码

　　这里我们将第一列作为了key，第二列作为了value。

　　可以查看一下运行后的结果，如下所示：

1 1
2 2
2 1
3 3
3 2
3 1

　　从运行结果来看，并没有达到我们最初的目的，于是，我们需要抛弃默认的排序规则，因此我们要自定义排序。

2.2 自定义排序

　　（1）封装一个自定义类型作为key的新类型：将第一列与第二列都作为key

复制代码
private static class MyNewKey implements WritableComparable {
long firstNum;
long secondNum;

    public MyNewKey() {}public MyNewKey(long first, long second) {firstNum = first;secondNum = second;}@Overridepublic void write(DataOutput out) throws IOException {out.writeLong(firstNum);out.writeLong(secondNum);}@Overridepublic void readFields(DataInput in) throws IOException {firstNum = in.readLong();secondNum = in.readLong();}/** 当key进行排序时会调用以下这个compreTo方法*/@Overridepublic int compareTo(MyNewKey anotherKey) {long min = firstNum - anotherKey.firstNum;if (min != 0) {// 说明第一列不相等，则返回两数之间小的数return (int) min;} else {return (int) (secondNum - anotherKey.secondNum);}}
}

复制代码

PS：这里为什么需要封装一个新类型呢？因为原来只有key参与排序，现在将第一个数和第二个数都参与排序，作为一个新的key。

　　（2）改写最初的MapReduce方法函数代码：（只展示了map和reduce函数，还需要修改map和reduce输出的类型设置）

复制代码
public static class MyMapper extends
Mapper

当第一列相同时，求出第二列的最小值

3 3
3 2
3 1
2 2
2 1

1 1

预期结果应该是

3 1
2 1
1 1

复制代码

3.2 自定义分组

　　为了针对新的key类型作分组，我们也需要自定义一下分组规则：

　　（1）编写一个新的分组比较类型用于我们的分组：

复制代码
private static class MyGroupingComparator implements
RawComparator {

    /** 基本分组规则：按第一列firstNum进行分组*/@Overridepublic int compare(MyNewKey key1, MyNewKey key2) {return (int) (key1.firstNum - key2.firstNum);}/** @param b1 表示第一个参与比较的字节数组* * @param s1 表示第一个参与比较的字节数组的起始位置* * @param l1 表示第一个参与比较的字节数组的偏移量* * @param b2 表示第二个参与比较的字节数组* * @param s2 表示第二个参与比较的字节数组的起始位置* * @param l2 表示第二个参与比较的字节数组的偏移量*/@Overridepublic int compare(byte[] b1, int s1, int l1, byte[] b2, int s2, int l2) {return WritableComparator.compareBytes(b1, s1, 8, b2, s2, 8);}}

复制代码

　　从代码中我们可以知道，我们自定义了一个分组比较器MyGroupingComparator，该类实现了RawComparator接口，而RawComparator接口又实现了Comparator接口，下面看看这两个接口的定义：

　　首先是RawComparator接口的定义：

public interface RawComparator extends Comparator {
public int compare(byte[] b1, int s1, int l1, byte[] b2, int s2, int l2);
}

　　其次是Comparator接口的定义：

public interface Comparator {
int compare(T o1, T o2);
boolean equals(Object obj);
}

　　在MyGroupingComparator中分别对这两个接口中的定义进行了实现，RawComparator中的compare()方法是基于字节的比较，Comparator中的compare()方法是基于对象的比较。

　　在基于字节的比较方法中，有六个参数，一下子眼花了：

Params：

@param arg0 表示第一个参与比较的字节数组
@param arg1 表示第一个参与比较的字节数组的起始位置
@param arg2 表示第一个参与比较的字节数组的偏移量
- @param arg3 表示第二个参与比较的字节数组
@param arg4 表示第二个参与比较的字节数组的起始位置
@param arg5 表示第二个参与比较的字节数组的偏移量

　　由于在MyNewKey中有两个long类型，每个long类型又占8个字节。这里因为比较的是第一列数字，所以读取的偏移量为8字节。

　　（2）添加对分组规则的设置：

　　// 设置自定义分组规则
job.setGroupingComparatorClass(MyGroupingComparator.class);

　　（3）现在看看运行结果：

参考资料

（1）吴超，《深入浅出Hadoop》：http://www.superwu.cn/

（2）Suddenly，《Hadoop日记Day18-MapReduce排序和分组》：http://www.cnblogs.com/sunddenly/p/4009751.html

MapReduce中的排序和分组相关推荐

Hadoop学习笔记—11.MapReduce中的排序和分组
Hadoop学习笔记-11.MapReduce中的排序和分组一.写在之前的 1.1 回顾Map阶段四大步骤首先,我们回顾一下在MapReduce中,排序和分组在哪里被执行: 从上图中可以清楚地看出 ...
SQL中的排序和分组
SQL中的排序和分组一.排序 order by 语法:select 字段 from 表名称 where 筛查条件 order by 排序字段列表(顺序不能乱)desc(ace) select * f ...
mysql自定义函数分组_mysql中的排序和分组及分组函数
现实中有很多这样的需求,对全班同学成绩进行排名,将所有的学生信息按照班级来分组,先将学生按班级分组再进行成绩排名等等.今天老韩就来介绍一下如何通过数据库的排序.分组.分组排序来实现这个需求(是排序,不 ...
MapReduce中的排序（附代码）
在直接学习hadoop的排序之前还要了解一些基本知识. Hadoop的序列化和比较接口 Hadoop的序列化格式:Writable Writable是Hadoop自己的序列化格式,还要一个子接口是Wr ...
mysql分组语句的子句_MySQL 中的排序与分组语句
MySQL ORDER BY 排序我们知道从 MySQL 表中使用 SQL SELECT 语句来读取数据,如果我们需要对读取的数据进行排序,我们就可以使用 MySQL 的 ORDER BY 子句来设 ...
access 分组序号_二级Access数据库备考笔记之报表排序和分组
时间:2012-08-17 12:50:26 作者:摘要:二级Access数据库备考笔记之报表排序和分组正文: 报表排序和分组缺省情况下,报表中的记录是按照自然顺序,即数据输入的先后顺序排 ...
php如何对数组进行分组,如何在PHP中对数组进行分组排序
如何在PHP中对数组进行分组排序发布时间:2021-01-04 16:28:51 来源:亿速云阅读:98 作者:Leah 这篇文章将为大家详细讲解有关如何在PHP中对数组进行分组排序,文章内容质量 ...
Hadoop大数据——mapreduce中的Combiner/序列化/排序初步
mapreduce中的Combiner (1)combiner是MR程序中Mapper和Reducer之外的一种组件 (2)combiner组件的父类就是Reducer (3)Combiner和red ...
Linux 中使用 sort 指令分组排序详解
Linux 中使用 sort 指令分组排序详解 sort 中进行分组排序主要用到的选项为 -k,此文,我们着重于该选项的使用方式,用到的其它选项不做解释,有兴趣的同学可以查看帮助文档 1. 数据准备 ...
Java 8 辣么大（lambda）表达式不慌之—–（五）示例-Collectors中的统计、分组、排序等
Java 8 辣么大(lambda)表达式不慌之-–(五)示例-Collectors中的统计.分组.排序等 summarizingInt 按int类型统计 maxBy取最大/minBy取最小 aver ...

MapReduce中的排序和分组

当第一列相同时，求出第二列的最小值

1 1

预期结果应该是

MapReduce中的排序和分组相关推荐

最新文章

热门文章