No.9大数据入门 | MR实践之--全局排序二

接上篇:hadoop全局排序

本篇通过设置partitioner,多个reducer来实现全局排序。

这里的思路一个partition对应一个reduce的task,reduce的输入本来就是对key有序的,所以很自然地就产生了一个排序文件,如果是分多个partition呢,则只要确保partition是有序的就行了。

比如我们的数据是这样的 aaa bbb ccc

我们设定key=aaa bbb , 则value=ccc。

再设定partition=aaa。

也就是先按照第一列数据进行分桶,然后每个分桶里面的数据再按照key进行sort,相当于做了二次排序这么一个事情。

接着用上篇的例子进行解释:

我们数据是0-100个数据,我们设定reduce num = 2;

我们希望0-49放在reduce1中,50-100放入reduce2中。通过一个支点来判断左右,将数据放入两个particular中。

代码:

map.py:

import sys

base_count = 10000

for line in sys.stdin:

    ss = line.strip().split('\t')

    key = ss[0]

    val = ss[1]

    new_key = base_count + int(key)

    red_idx = 1

    if new_key < (10100 + 10000) / 2:#判断并将数据分为两个桶

        red_idx = 0

    print "%s\t%s\t%s&#
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值