MapRduce特性：二次排序

在学习二次排序的过程中，觉得还是很复杂的，写一篇博客分享一下。

一、什么是二次排序？

    二次排序就是对value值进行排序（本身value值是不会排序的）

二、例子分析

    需求：

       求1920-2020年100年间每年气温的最大值。

    问题分析：

        1、这100年的数据每年的气温数据量十分的大

        2、如果在每次在reduce里面对整个气温找最大值的话很消耗时间

    方案：

        为了解决上述分析中的问题，在reduce之前，将所有的气温数据按年份从小到大排列，同一年份中，温度由又大到小排列，这样的话，reduce只要拿同一组中的第一个数据，就得到了当年的最高温度。

    mapreduce流程图：

    详细分析整个过程：

        1、map从reader中读取数据。

package cn.hbmy.hdfs.mr.secondsorttemperature;

import org.apache.hadoop.io.IntWritable;
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;

public class SecondSortTemWCMapper extends Mapper <IntWritable,IntWritable,Combokey,NullWritable>{
    @Override
    protected void map(IntWritable key, IntWritable value, Context context) throws IOException, InterruptedException {
        Combokey combokey = new Combokey();
        combokey.setYear(key.get());
        combokey.setTemp(value.get());
        context.write(combokey,NullWritable.get());
    }
}

        2、由于MapReduce中，只对key，排序不对value排序，为了能够对value进行排序，自己定义一个combokey，成员变量包含key和value，也就是上图中的需要解决地方4 ，此时K由combokey代替，value为null。下面给出combokey的定义类：

package cn.hbmy.hdfs.mr.secondsorttemperature;

import org.apache.hadoop.io.WritableComparable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/**
 * 不仅要有可比较的接口，还要实现串行化的接口
 * */
public class Combokey implements WritableComparable<Combokey> {
    private  int year;
    private int temp;

    public int getYear() {
        return year;
    }

    public int getTemp() {
        return temp;
    }

    public void setYear(int year) {
        this.year = year;