电子发烧友App
接下来我们通过示例，可以很直观的了解二次排序的原理
输入文件 sort.txt 内容为
40 20
40 10
40 30
40 5
30 30
30 20
30 10
30 40
50 20
50 50
50 10
50 60
输出文件的内容（从小到大排序）如下
30 10
30 20
30 30
30 40
--------
40 5
40 10
40 20
40 30
--------
50 10
50 20
50 50
50 60
从输出的结果可以看出Key实现了从小到大的排序，同时相同Key的Value也实现了从小到大的排序，这就是二次排序的结果
mapreduce二次排序的具体流程
在本例中要比较两次。先按照第一字段排序，然后再对第一字段相同的按照第二字段排序。根据这一点，我们可以构造一个复合类IntPair ，它有两个字段，先利用分区对第一字段排序，再利用分区内的比较对第二字段排序。二次排序的流程分为以下几步。
1、自定义 key
所有自定义的key应该实现接口WritableComparable，因为它是可序列化的并且可比较的。WritableComparable 的内部方法如下所示
// 反序列化，从流中的二进制转换成IntPairpublic void readFields（DataInput in） throws IOException
// 序列化，将IntPair转化成使用流传送的二进制public void write（DataOutput out）
// key的比较public int compareTo（IntPair o）
// 默认的分区类 HashPartitioner，使用此方法public int hashCode（）
// 默认实现public boolean equals（Object right）
2、自定义分区
自定义分区函数类FirstPartitioner，是key的第一次比较，完成对所有key的排序。
public static class FirstPartitioner extends Partitioner《 IntPair，IntWritable》
在job中使用setPartitionerClasss（）方法设置Partitioner
job.setPartitionerClasss（FirstPartitioner.Class）;
3、Key的比较类
这是Key的第二次比较，对所有的Key进行排序，即同时完成IntPair中的first和second排序。该类是一个比较器，可以通过两种方式实现。
1） 继承WritableComparator。
public static class KeyComparator extends WritableComparator
必须有一个构造函数，并且重载以下方法。
public int compare（WritableComparable w1， WritableComparable w2）
2） 实现接口 RawComparator。
上面两种实现方式，在Job中，可以通过setSortComparatorClass（）方法来设置Key的比较类。
job.setSortComparatorClass（KeyComparator.Class）;
注意：如果没有使用自定义的SortComparator类，则默认使用Key中compareTo（）方法对Key排序。
4、定义分组类函数
在Reduce阶段，构造一个与 Key 相对应的 Value 迭代器的时候，只要first相同就属于同一个组，放在一个Value迭代器。定义这个比较器，可以有两种方式。
1） 继承 WritableComparator。
public static class GroupingComparator extends WritableComparator
必须有一个构造函数，并且重载以下方法。
public int compare（WritableComparable w1， WritableComparable w2）
2） 实现接口 RawComparator。
上面两种实现方式，在 Job 中，可以通过 setGroupingComparatorClass（）方法来设置分组类。
job.setGroupingComparatorClass（GroupingComparator.Class）;
另外注意的是，如果reduce的输入与输出不是同一种类型，则 Combiner和Reducer 不能共用 Reducer 类，因为 Combiner 的输出是 reduce 的输入。除非重新定义一个Combiner。
3、代码实现
Hadoop的example包中自带了一个MapReduce的二次排序算法，下面对 example包中的二次排序进行改进
package com.buaa;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.io.WritableComparable;
/**
* @ProjectName SecondarySort
* @PackageName com.buaa
* @ClassName IntPair
* @Description 将示例数据中的key/value封装成一个整体作为Key，同时实现 WritableComparable接口并重写其方法
* @Author 刘吉超
* @Date 2016-06-07 22:31:53
*/
public class IntPair implements WritableComparable《IntPair》{
private int first;
private int second;
public IntPair（）{
}
public IntPair（int left， int right）{
set（left， right）;
}
public void set（int left， int right）{
first = left;
second = right;
}
@Override
public void readFields（DataInput in） throws IOException{
first = in.readInt（）;
second = in.readInt（）;
}
@Override
public void write（DataOutput out） throws IOException{
out.writeInt（first）;
out.writeInt（second）;
}
@Override
public int compareTo（IntPair o）
{
if （first ！= o.first）{
return first 《 o.first ？ -1 ： 1;
}else if （second ！= o.second）{
return second 《 o.second ？ -1 ： 1;
}else{
return 0;
}
}
@Override
public int hashCode（）{
return first * 157 + second;
}
@Override
public boolean equals（Object right）{
if （right == null）
return false;
if （this == right）
return true;
if （right instanceof IntPair）{
IntPair r = （IntPair） right;
return r.first == first && r.second == second;
}else{
return false;
}
}
public int getFirst（）{
return first;
}
public int getSecond（）{
return second;
}
}
package com.buaa;
import java.io.IOException;import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FileSystem;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.io.WritableComparable;import org.apache.hadoop.io.WritableComparator;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.Partitioner;import org.apache.hadoop.mapreduce.Reducer;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
/**
* @ProjectName SecondarySort
* @PackageName com.buaa
* @ClassName SecondarySort
* @Description TODO
* @Author 刘吉超
* @Date 2016-06-07 22:40:37*/
@SuppressWarnings（“deprecation”）public class SecondarySort {
public static class Map extends Mapper《LongWritable， Text， IntPair， IntWritable》 {
public void map（LongWritable key， Text value， Context context） throws IOException， InterruptedException {
String line = value.toString（）;
StringTokenizer tokenizer = new StringTokenizer（line）;
int left = 0;
int right = 0;
if （tokenizer.hasMoreTokens（）） {
left = Integer.parseInt（tokenizer.nextToken（））;
if （tokenizer.hasMoreTokens（））
right = Integer.parseInt（tokenizer.nextToken（））;
context.write（new IntPair（left， right）， new IntWritable（right））;
}
}
}
/*
* 自定义分区函数类FirstPartitioner，根据 IntPair中的first实现分区
*/
public static class FirstPartitioner extends Partitioner《IntPair， IntWritable》{
@Override
public int getPartition（IntPair key， IntWritable value，int numPartitions）{
return Math.abs（key.getFirst（） * 127） % numPartitions;
}
}
/*
* 自定义GroupingComparator类，实现分区内的数据分组
*/
@SuppressWarnings（“rawtypes”）
public static class GroupingComparator extends WritableComparator{
protected GroupingComparator（）{
super（IntPair.class， true）;
}
@Override
public int compare（WritableComparable w1， WritableComparable w2）{
IntPair ip1 = （IntPair） w1;
IntPair ip2 = （IntPair） w2;
int l = ip1.getFirst（）;
int r = ip2.getFirst（）;
return l == r ？ 0 ： （l 《 r ？ -1 ： 1）;
}
}
public static class Reduce extends Reducer《IntPair， IntWritable， Text， IntWritable》 {
public void reduce（IntPair key， Iterable《IntWritable》 values， Context context） throws IOException， InterruptedException {
for （IntWritable val ： values） {
context.write（new Text（Integer.toString（key.getFirst（）））， val）;
}
}
}
public static void main（String［］ args） throws IOException， InterruptedException， ClassNotFoundException {
// 读取配置文件
Configuration conf = new Configuration（）;
// 判断路径是否存在，如果存在，则删除
Path mypath = new Path（args［1］）;
FileSystem hdfs = mypath.getFileSystem（conf）;
if （hdfs.isDirectory（mypath）） {
hdfs.delete（mypath， true）;
}
Job job = new Job（conf， “secondarysort”）;
// 设置主类
job.setJarByClass（SecondarySort.class）;
// 输入路径
FileInputFormat.setInputPaths（job， new Path（args［0］））;
// 输出路径
FileOutputFormat.setOutputPath（job， new Path（args［1］））;
// Mapper
job.setMapperClass（Map.class）;
// Reducer
job.setReducerClass（Reduce.class）;
// 分区函数
job.setPartitionerClass（FirstPartitioner.class）;
// 本示例并没有自定义SortComparator，而是使用IntPair中compareTo方法进行排序 job.setSortComparatorClass（）;
// 分组函数
job.setGroupingComparatorClass（GroupingComparator.class）;
// map输出key类型
job.setMapOutputKeyClass（IntPair.class）;
// map输出value类型
job.setMapOutputValueClass（IntWritable.class）;
// reduce输出key类型
job.setOutputKeyClass（Text.class）;
// reduce输出value类型
job.setOutputValueClass（IntWritable.class）;
// 输入格式
job.setInputFormatClass（TextInputFormat.class）;
// 输出格式
job.setOutputFormatClass（TextOutputFormat.class）;
System.exit（job.waitForCompletion（true） ？ 0 ： 1）;
}
}
工商网监
评论