如何使用mr程序统计数量前几大数据样本？

一次mr程序的执行流程

1. 数据输入到map程序做拆解的处理生成kv
2. reduce会对数据做统计
3. reduce程序执行完毕之后会调用cleanup程序

一个reduce程序

在reduce的过程中可以将统计的结果放在hashmap当中，然后在最后reduce处理完毕之后调用cleanup的过程中对所有的hashmap进行统计排序。因为每次reduce调用之后都回调用cleanup程序，所以如果想到的得到唯一的结果，就只能使用一个reduce程序。

缺点：实现是可以实现这个功能，但是会失去分布式的意义，其次用hashmap来存储数据可能会导致内存被打满。

多个reduce程序

每个reduce都处理一部分的数据内容，最后再开启一个reduce程序处理这些数据。或者使用普通程序对数据排序。
如果重复的数据内容比较多的的话这样的方法也可以使用，不然开一个reduce也可以完成任务。

需要自动排序

使用treemap等容器

如何高效的完成一次统计

可以使用自定义的数据类型作为key，将id和后面包含的数据都放入key中
重写compare函数可以让oid先按照从小到大的顺序排序，之后的订单金额还要进行倒排
重写数据分发规则：让orderid相同的数据分给同一个reduce task（返回相同的分区号）

reduce task 只需要输出某一个oid中前三条数据