千家信息网

四、MapReduce中的排序

发表于:2024-11-28 作者:千家信息网编辑
千家信息网最后更新 2024年11月28日,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
千家信息网最后更新 2024年11月28日四、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"

0