MapReduce WritableComparable排序

一、概述

• 排序是MapReduce框架中最重要的操作之一。

• MapTask和Reduce Task均会对数据按照key进行排序。该操作属于Hadoop的默认行为。任何应用程序中的数据均会被排序，而不管逻辑上是否需要。

• 默认排序是按照字典顺序排序，且实现该排序的方法是快速排序。

• 对于MapTask，它会将处理的结果暂时放到环形缓冲区中，当环形缓冲区使用率达到一定阈值后，再对缓冲区中的数据进行一次快速排序，并将这些有序数据溢写到磁盘上，而当数据处理完毕后，它会对磁盘上所有文件进行归并排序。

• 对于ReduceTask,它从每个MapTask.上远程拷贝相应的数据文件，如果文件大小超过一定阈值，则溢写磁盘上，否则存储在内存中。如果磁盘上文件数目达到一定阈值,则进行一次归并排序以生成一个更大文件;如果内存中文件大小或者数目超过一定阈值，则进行一次合并后将数据溢写到磁盘 上。当所有数据拷贝完毕后，Reduce Task统一对内存和磁盘上的所有数据进行一次归并排序。

二、排序分类

• 部分排序
  MapReduce根据输入记录的键对数据集排序。保证输出的每个文件内部有序。
• 全排序
  最终输出结果只有一个文件，且文件内部有序。实现方式是只设置一个ReduceTask. 但该方法在
  处理大型文件时效率极低，因为-台机器处理所有文件，完全丧失了MapReduc e所提供的并行架构。
• 辅助排序: (GroupingComparator分组)
  在Reduce端对key进行分组。应用于:在接收的key为bean对象时,想让一个或几个字段相同(全部
  字段比较不相同)的key进入到同一个reduce方法时， 可以采用分组排序。
• 二次排序
  在自定义排序过程中，如果compareTo中的判断条件为两个即为二次排序。

三、自定义排序WritableComparable原理分析

bean对象做为key传输，需要实现WritableComparable接口重写compareTo方法，就可以实现排序。

@Override
public int compareTo(FlowBean bean) {

	int result;
		
	// 按照总流量大小，倒序排列
	if (this.sumFlow > bean.getSumFlow()) {
		result = -1;
	}else if (this.sumFlow < bean.getSumFlow()) {
		result = 1;
	}else {
		result = 0;
	}

	return result;
}