大数据开发：MapReduce排序和合并机制

MapReduce作为Hadoop的核心计算引擎，算是学习当中必学的一个部分。虽然发展至今，MapReduce计算框架已经很少直接使用了，但是作为分布式并行计算的代表，还是值得学习。今天的大数据开发学习分享，我们就主要来讲讲MapReduce排序与合并机制。
 

WritableComparable排序

排序是MapReduce框架中最重要的操作之一。

MapTask和ReduceTask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，ReduceTask统一对内存和磁盘上的所有数据进行一-次归并排序。

MapReduce排序分类

(1)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。

(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，因为一台机器处理所有文件，完全丧失了MapReduce所提供的并行架构。

(3)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。

(4)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。

自定义排序WritableComparable

（1）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 o){

int result;

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

return result;
}

Combiner合并

(1)Combiner是MR程序中Mapper和Reducer之外的一种组件。

(2)Combiner组件的父类就是Reducer。

(3)Combiner和Reducer的区别在于运行的位置

Combiner是在每一个MapTask所在的节点运行;

Reducer是接收全局所有Mapper的输出结果;

(4)Combiner的意义就是对每一个Map Task的输出进行局部汇总，以减小网络传输量。

(5)Combiner能够应用的前提是不能影响最终的业务逻辑，而且，Combiner的输出kv应该跟Reducer的输入kv类型要对应起来。

自定义Combiner实现步骤

自定义一个Combiner继承Reducer，重写Reduce方法

public class WordcountCombiner extends Reducer<Text，IntWritable，Text，IntWritable>{

@Override
protected void reduce(Text key，Iterable<IntWritable>values，Context context)throws IOException，InterruptedException{

//1汇总操作
int count=0;
for(IntWritable v：values){
count+=v。get();
}

//2写出
context。write(key，new IntWritable(count));
}
}
在Job驱动类中设置：

job。setCombinerClass(WordcountCombiner。class);

GroupingComparator分组（辅助排序）

对Reduce阶段的数据根据某一个或几个字段进行分组。

分组排序步骤：

（1）自定义类继承WritableComparator

（2）重写compare()方法

@Override
public int compare(WritableComparable a，WritableComparable b){
//比较的业务逻辑
return result;
}

（3）创建一个构造将比较对象的类传给父类

protected OrderGroupingComparator(){
super(OrderBean。class，true);
}

(4)job设置reduce分组

job。setGroupingComparatorClass(OrderGroupingComparator。class);

关于大数据开发学习，MapReduce排序与合并机制，以上就为大家做了简单的介绍了。MapReduce的排序和合并机制，是内部运行流程的重要环节，搞懂这个部分很重要。