作用
类似于sql语句中的order by功能
默认情况下,mapreduce中,会默认对Mapper输出的key来进行自然排序,所以如果说希望对结构中的某个字段进行排序的话,就把这个字段放到map输出的key里面去。【排序是为了合并,为了reduce的计算分组】
概述
1、在MapReduce中,会默认对Mapper输出的键来进行自然排序;,所以也要求Mapper输出的键对应的类型必须实现Comparable,考虑到这个类型的对象还要被序列化,所以还需要实现Writable接口 - WritableComparable。比如Text类型也是继承了这个接口。
2、如果针对多字段进行排序,称之为二次排序 (也就是不止一个排序字段)
3、注意事项,在排序的时候,如果两个键compareTo的结果都为0,那么在MapReduce中,会认为这两个键实际上是同一个键,然后在Reduce阶段将这两个键对应的值放到一组去 ;其实不止是排序两个键,无论排序多少个键,只要比较下来都相等都是0的话,那么在reduce阶段都会将其分到同一组去。【例如下面的案例,当存在两个同分用户时,就会出现问题】,为了避免分到同一组 ,所以比较的字段可以唯一标识一行才可以。
4、将需要进行排序的内容进行封装,实现WritableComparable接口,重写其中的方法,注意比较为0的情况。
测试案例
对之前统计的学生的总成绩进行排序,按照成绩进行排序
先对每个学生的成绩进行求和,然后在根据成绩进行排序
如果想把自定义的类型输出在文本文件中的话,需要重写toString()方法,要不然最后写到结果文件中的就是一个内存地址了
package sortScore;
import org.apache.hadoop.io.WritableComparable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
//map输出的key类型
public class SumScore implements WritableComparable<SumScore> {
//1 tom 888
private int month;
private String name = "";
private int score;
public int getMonth() {
return month;
}
public void setMonth(int month) {
this.month = month;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public int getScore() {
return score;
}
public void setScore(int score) {
this.score = score;
}
@Override
public int compareTo(SumScore o) {
return this.score-o.getScore();
}
@Override
public void write(DataOutput dataOutput) throws IOException {
dataOutput.writeInt(this.month);
dataOutput.writeUTF(this.name);
dataOutput.writeInt(this.score);
}
@Override
public void readFields(DataInput dataInput) throws IOException {
this.month = dataInput.readInt();
this.name = dataInput.readUTF();
this.score = dataInput.readInt();
}
@Override
public String toString() {
return "SumScore{" +
"month=" + month +
", name='" + name + '\'' +
", score=" + score +
'}';
}
}
package sortScore;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
/**
* 希望对每个学生的总成绩进行排序,所以将学生的成绩作为输出key值
*/
public class sortMapper extends Mapper<LongWritable, Text,SumScore, NullWritable> {
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String[] s = value.toString().split(" ");
SumScore sumScore = new SumScore();
sumScore.setMonth(Integer.parseInt(s[0]));
sumScore.setName(s[1]);
sumScore.setScore(Integer.parseInt(s[2]));
context.write(sumScore,NullWritable.get());
}
}
package sortScore;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class sortReducer extends Reducer<SumScore, NullWritable,SumScore,NullWritable> {
@Override
protected void reduce(SumScore key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {
context.write(key,NullWritable.get());
}
}
package sortScore;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.io.IOException;
public class Driver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
Job instance = Job.getInstance(new Configuration());
instance.setJarByClass(Driver.class);
instance.setMapperClass(sortMapper.class);
instance.setReducerClass(sortReducer.class);
instance.setOutputKeyClass(SumScore.class);
instance.setOutputValueClass(NullWritable.class);
FileInputFormat.addInputPath(instance,new Path("hdfs://hadoop01:9000/txt/totolscore.txt"));
FileOutputFormat.setOutputPath(instance,new Path("hdfs://hadoop01:9000/result/ooo2"));
instance.waitForCompletion(true);
}
}
测试案例修改——存在同分学生时
2 tom 345
1 rose 235
1 tom 235
2 jim 572
3 rose 123
1 jim 321
2 tom 573
3 jim 876
3 tom 648
输出结果:
没有同分时:
有同分时:
输出结果少了一行 : 1 rose 235
这是由于读取到的两行 1 rose 235 和 1 tom 235,比较时只比较了分数,认为这两行应该是属于同一个组,同一个key值,所以在reduce阶段,会把两行当做一行来进行处理,最后的结果也只有一行了【key:1 tom 235 value:null null】
解决办法:
只有增加一个比较条件,就是两个学生同分时,比较名称,让reduce不在判断这两行记录是同一行记录。
@Override
public int compareTo(SumScore o) {
int res = this.score-o.getScore();
if(res == 0){
return this.getName().compareTo(o.getName());
}
return res;
}
【如果使用SQL进行统计,也需要order by score,name】