【大数据之Hadoop】十三、MapReduce之WritableComparable排序

MapReduce框架必须进行排序，MapTask和ReduceTask都会对key按字典顺序排序，是默认的行为（默认使用快速排序），有利于提高效率。任何程序数据都会进行排序，不管逻辑是否需要。
对于排序而言分为两个阶段，MapTask后和ReduceTask前。

MapTask后的阶段：
MapTask把处理结果暂时放到环形缓冲区，当环形缓冲区的使用率达到一定阈值（80%）时，对其进行一次快速排序，然后将有序数据写到磁盘上。
当数据处理完后，磁盘上的所有文件再进行一次快速排序。

ReduceTask前的阶段：
ReduceTask从每个MapTask上拉取数据存储在内存上，如果文件太大则溢出写道磁盘。
如果磁盘上的文件数目达到一定阈值时，则进行一次归并排序，生成更大的文件。
如果内存中文件大小或者数目达到一定阈值时，也进行一次合并排序后写到磁盘上。
当所有数据拉取完毕后，ReduceTask统一对内存和磁盘上的所有数据进行一次归并排序。

（1）部分排序：MapReduce根据输入的键进行排序，保证输出的每个文件内部的有序。
（2）全排序：最终输出结果只有一个文件，且文件内部有序。（实现：只设置一个ReduceTask，处理大型文件效率很低，相当于只有一台机器处理文件）
（3）辅助排序（GroupingComparator分组）：在reduce端对key进行分组。（用于在接受key为bean对象时让一个或多个字段相同的key进入到同一个reduce方法）
（4）二次排序：自定义排序中，compareTo的判断条件为2个时。

原理：
bean对象做为key传输，需要实现WritableComparable接口重写compareTo方法进行排序。

@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;
    }elseif (this.sumFlow < bean.getSumFlow()) {
        result= 1;
    }else{
        result= 0;
    }

    return result;
}