二次排序
(对value值也进行排序,需要建所要排序的字段与真正的key拼接形成自定义的key)
<!--[if !supportLists]-->1. 1.<!--[endif]-->map最后阶段进行partition,一般使用job.setPartitionerClass()设置的类进行分区,每个分区映射到一个reducer。如果没有自定义的Key的hashCode()方法进行分区。
2.每个分区内又调用job.setSortComparatorClass()设置的key比较函数类排序(如果没有通过job.setSortComparatorClass()设置key比较函数类,则使用key的实现的compareTo方法)。可以看到,这是一个二次排序(可能需要写一个比较函数的实现类,主要作用是如果key相同的情况下对value进行排序)
3.当reduce接收到所有Map传输过来的数据之后,调用job.setSortComparatorClass()设置的key比较函数对所有数据排序,如果没有则使用key的实现的CompareTo方法.
4.紧接着使用job.setGroupingComparatorClass设置的分组函数类,进行分组,同一个key的value值放在同一个迭代器中。
Hadoop
1.选择key值
2.通过key、自定义key、TreeMap等进行排序