MapReduce排序及实例，MapReduce排序实例

MapReduce排序及实例，MapReduce排序实例

排序可分为四种排序：
普通排序
部分排序
全局排序
二次排序（比如有两列数据，第一列相同时，需要对第二列进行排序。）

普通排序

普通排序是Mapreduce本身就自带排序功能；
Text对象是不适合排序的；IntWritable，LongWritable等实现了WritableComparable类型的对象都是可以排序的；

部分排序

map和reduce处理过程中默认包含了对key的排序，如果不要求全排序，可以直接把结果输出，那么每个输出文件中包含的就是安装key执行排序的结果；

全局排序

Hadoop平台并没有提供全局数据排序，而在大规模数据处理中进行数据的全局排序是非常普遍的需求；使用hadoop进行大量的数据排序最直观的方法是把文件所以内容给map之后，map不做任何处理，直接输出给一个reduce（一个reduce处理的话，不是很适合大规模的数据，效率不高。），利用hadoop自己的shuffle机制，对所有数据进行排序，而后由reduce直接输出；

如果要对大规模数据处理中进行数据的全局排序的话，
主要思路就是将数据按照区间进行分割，比如对整数排序，
[0,10000]的在partition 0中，(10000，20000]在partition 1中，
在数据分布均匀的情况下，每个分区内的数据量基本相同，这种就是比较理想的情况了，但是实际中数据往往分布不均匀，出现了数据倾斜的情况，这时按照之前的分区划分数据就不合适了，此时就需要一定的帮助——采样器；

package Sort;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
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.output.FileOutputFormat;



public class Demo {

    private final static String INPUT_PATH = "hdfs://liguodong:8020/input";
    private final static String OUTPUT_PATH = "hdfs://liguodong:8020/output";

    public static class MyMapper extends Mapper<LongWritable, Text, LongWritable, NullWritable>{

        @Override
        protected void map(LongWritable key, Text value, Context context)
                throws IOException, InterruptedException {

            String[] values = value.toString().split("\\s+");
            context.write(new LongWritable(Long.parseLong(values[0])), NullWritable.get());

        }

    }

    public static class MyReducer extends Reducer<LongWritable, NullWritable, LongWritable, NullWritable>{

        @Override
        protected void reduce(LongWritable key, Iterable<NullWritable> values,
                Context context)
                throws IOException, InterruptedException {
            context.write(key, NullWritable.get());
        }

    }

    public static class MyPartitioner extends Partitioner<LongWritable, NullWritable>{

        @Override
        public int getPartition(LongWritable key, NullWritable value,
                int numPartitions) {
            if(key.get() <= 100){
                return 0%numPartitions;
            }
            if(key.get()>100 && key.get()<1000){
                return 1%numPartitions;
            }
            return 2;   
        }       
    }



    public static void main(String[] args) throws 
    ClassNotFoundException, IOException, InterruptedException, URISyntaxException {
        Configuration conf = new Configuration();
        final FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH),conf);
        if(fileSystem.exists(new Path(OUTPUT_PATH)))
        {
            fileSystem.delete(new Path(OUTPUT_PATH),true);
        }

        Job job = Job.getInstance(conf, "shuffle sort"); 

        job.setJarByClass(Demo.class);

        FileInputFormat.addInputPath(job, new Path(INPUT_PATH));  

        job.setMapperClass(MyMapper.class);
        job.setMapOutputKeyClass(LongWritable.class);
        job.setMapOutputValueClass(NullWritable.class);

        job.setPartitionerClass(MyPartitioner.class);

        job.setReducerClass(MyReducer.class);
        job.setOutputKeyClass(LongWritable.class);
        job.setOutputValueClass(NullWritable.class);
        job.setNumReduceTasks(3);

        FileOutputFormat.setOutputPath(job, new Path(OUTPUT_PATH));

        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }

}

[root@liguodong file]