Hadoop 3.x|第十一天|MapReduce框架原理（Shuffle机制里的WritableComparable排序）

排序操作

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

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。

MapTask阶段的排序

1. 对于MapTask，它会将处理的结果暂时放到环形缓冲区中
2. 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
3. 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。

ReduceTask阶段的排序

1. 对于ReduceTask，它从每个MapTask上远程拷贝相应的数据文件。
2. 如果文件大小超过一定阈值，则溢写到磁盘上，否则存储在内存中。
3. 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。
4. 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。
5. 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。

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。

全排序（慎用）

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。

辅助排序（现在已经不用了）

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。

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。

WritableComparable 排序案例实操准备

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。

需求

根据流量统计产生的结果再次对总流量进行倒序排序。

解决方法

1. 输入数据为之前案例的输出结果（将其key和value倒转过来，因为框架只对key进行排序，需要对value进行排序就只能倒过来）
2. 在FlowBean里实现WritableComparable接口重写compareTo方法
3. 注意此时的Mapper类里，输出的已经变成了（bean，手机号）

代码编写

实现WritableComparable接口且重写compareTo方法

//比较对象是FlowBean
public class FlowBean implements WritableComparable<FlowBean> {
	****** //其它代码
    //重写compareTo方法
    @Override
    public int compareTo(FlowBean o) {
        return 0;
    }
}

    @Override
    public int compareTo(FlowBean o) {
        //总流量倒序进行排序
        //按照总流量比较,倒序排列
        if(this.sumFlow > o.sumFlow){
            return -1;
        }else if(this.sumFlow < o.sumFlow){
            return 1;
        }else {
            return 0;
        }
    }

重写Mapper类

package com.mapreduce.WritableComparable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;
public class FLowMapper extends Mapper<LongWritable, Text, FlowBean, Text> {
    //属性
    private FlowBean outK = new FlowBean();
    private Text outV = new Text();
    //重写map方法
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //获取一行
        String line = value.toString();
        //分割
        String[] split = line.split("\t");
        //封装
        outV.set(split[0]);
        outK.setUpFlow(Long.parseLong(split[1]));
        outK.setDownFlow(Long.parseLong(split[2]));
        outK.setSumFlow();
        //写出
        context.write(outK,outV);
    }
}

重写Reducer类

需要注意的是，Reduce会把key相同的放在一组，即总流量相同的手机号放在一起，实际是我们并不需要的操作。
所以需要对所有的进行循环遍历。

package com.mapreduce.WritableComparable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;
public class FlowReducer extends Reducer<FlowBean, Text,Text, FlowBean> {
    //重写reduce
    @Override
    protected void reduce(FlowBean key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        //遍历 values 集合,循环写出,避免总流量相同的情况
        for(Text value:values){
            //调换 KV 位置,反向写出
            context.write(value,key);
        }
    }
}

在Driver里更改输入输出路径

WritableComparable 排序案例实操（区内排序）准备

需求

要求每个省份手机号输出的文件中按照总流量内部排序。即综合之前的，实现排序和分区。

解决方法

基于前一个需求，增加自定义分区类，分区按照省份手机号设置。

代码编写

在上一段代码的基础上进行修改。

增加自定义分区类

import org.apache.hadoop.mapreduce.Partitioner;
import javax.xml.soap.Text;
public class ProvincePartitioner2 extends Partitioner<FlowBean, Text> {
    @Override
    public int getPartition(FlowBean flowBean, Text text, int i) {
        //获取手机号前三位
        String phone = text.toString();
        String prePhone = phone.substring(0, 3);
        //定义一个分区号变量 partition,根据 prePhone 设置分区号
        int partition;
        if("136".equals(prePhone)){
            partition = 0;
        }else if("137".equals(prePhone)){
            partition = 1;
        }else if("138".equals(prePhone)){
            partition = 2;
        }else if("139".equals(prePhone)){
            partition = 3;
        }else {
            partition = 4;
        }
        //最后返回分区号 partition
        return partition;
    }
}

在Driver里进行设置

        // 设置自定义分区器
        job.setPartitionerClass(ProvincePartitioner2.class);
        // 设置对应的 ReduceTask 的个数
        job.setNumReduceTasks(5);