四、MapReduce中的排序

一、排序概述

1、在MapReduce的shuffle过程中执行了三次排序，分别是：
map的溢写阶段：根据分区以及key进行快速排序
map的合并溢写文件：将同一个分区的多个溢写文件进行归并排序，合成大的溢写文件
reduce输入阶段：将同一分区，来自不同map task的数据文件进行归并排序

2、在MapReduce整个过程中，默认是会对输出的KV对按照key进行排序的，而且是使用快速排序。
map输出的排序的，其实也就是上面的溢写过程中的排序。
reduce输出的排序，即reduce处理完数据后，MapReduce内部会自动对输出的KV按照key进行排序

以上排序都是根据KV中的Key进行排序的。所以当我们自定义的类作为Key时，需要实现WritableComparable 接口，也就是实现里面的 compareTo() 方法，用于排序时进行比较。
比较规则如下：

public int compareTo(object other) {    this>other 返回1，正序，返回 -1，逆序。}

二、二次排序的定义

而在依据key进行排序时，如果key是一个复合对象，即该对象中包含多个成员属性，那么在进行key比较时，就会涉及到多个属性间的比较，而如果compareTo() 方法中，比较条件为两个的话，就称为二次排序。

三、辅助排序的定义

辅助排序也叫分组排序，是指在reduce前的group过程中根据排序规则进行的分组，因为分组的时候是需要比较KV中key是否相同，如果相同才会归为同一个组，如果不相等，就归为不同的组，所以就涉及到key比较方法了。总的来说其实定义key在什么情况下才相等。这个过程可以自己定义分组的方法，也就是分组排序的实现类。
使用方法：
1、自定义分组类，继承 WritableComparator
2、调用父类的构造方法，创建实例
3、重写父类的 compare方法

例子：

public class OrderGroupCompartor extends WritableComparator {    protected OrderGroupCompartor() {        super(OrderBean.class, true);    }    /**     * 以orderbean对象中的ID为分组依据。     * 同一ID的认为是同一个group，一个group只会调用一次reduce     *     * @param a  比较对象1     * @param b  比较对象2     * @return     */    @Override    public int compare(WritableComparable a, WritableComparable b) {        OrderBean aOrderBean = (OrderBean) a;        OrderBean bOrderBean = (OrderBean) b;        if (aOrderBean.getID() > bOrderBean.getID()) {            return 1;        } else if (aOrderBean.getID() < bOrderBean.getID()) {            return -1;        } else {            return 0;        }    }}

我们要注意的是，在进行分组时，同一个分组内的key是以第一个进入该分区的KV对中的key为准的。如：

有两个KV对：1、<[1,裤子]，20>2、<[1,袜子]，21>其中key由id和物品名称组成的，value则是物品价格假设分组依据是根据key中的id来分组的，那么上面两个KV是属于同一个group，但是实际上这两个KV的key是不相等的。当1号KV先进入该group，那么就会以1号的key作为该group的key，分组的结果为：<[1,裤子]，[20,21]>如果2号KV先进入，则按照前面的规则，分组结果为：<[1,袜子]，[20,21]>就会有这样的情况的发生，我们要注意利用好这点。

那么谁先进入该group的呢？很简单，是按照事先排序的顺序，在前面的自然先进入。这里的排序其实就是前面reduce端的归并排序的结果，而使用的排序依据其实就是key的包装类中compareTo方法，属于普通排序里面的东西。

编写好自定义的分组排序类之后，需要在job中指定好自定义的分组类：

job.setGroupingComparatorClass(OrderGroupCompartor.class);

四、排序实例

普通排序请看 "MapReduce-统计手机号流量"
二次排序和辅助排序请看 "MapReduce--获取价格最高的商品"