Hadoop记录排序

hadoop的每次输出都是输出的key,value对,默认的hadoop会对key进行排序,但如果我们想对value也排序的话怎么办了。

一个具体例子,假设现在我们有一堆交易数据,例如,用户在某个时间买了某件货品,那么我们可能希望先根据用户名分组,但是在组内,我们希望按照时间排序。那么如果我们把用户名作为key,那就不能对时间排序。如果把用户名和时间作为组合key,那么记录就不是按照用户名来分组。

一个可行的方法是使用组合键,然后提供KeyComparator进行排序,另外提供一个partitionar,让他只根据key当中的用户名将结果分发到reducer。当然,如果排序和partitionar都只是做字符串分割之类的话,可以不用提供自己实现的类,而使用JobConf上面的setKeyFieldComparatorOptions()和setKeyFieldPartitionerOptions()。

阅读更多

没有更多推荐了,返回首页