大数据之Hadoop(MapReduce)：Partition之WritableComparable排序

Posted 2021-06-26 浊酒南街

目录

• 1.排序概述
• 2.排序的分类
• 3.自定义排序WritableComparable

1.排序概述

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，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，它会对磁盘上的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，则溢写到磁盘上，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；

2.排序的分类

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的文件，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：在接收到的key为bean对象时，想让一个或几个字段相同（完全字段比较不相同）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二次排序；

3.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;

return Integer.compare(o.getSum_flow,this.getSum_flow)
}

备注:compareTo方法被称为自然比较法，利用当前对象和传入对象进行比较
若是当前对象比目标对象大，则返回1，那么当前对象会排在目标对象的后面。
若当前对象比目标对象小，则返回-1，那么当前对象回排在目标对象前面。
若两个对象都相等，则返回0。
默认时升序的，如果要降序，需要1和，-1互换位置；