1、数据样本:
1 5
2 4
3 6
1 3
2 1
1 14
2 45
4 11
3 23
5 12
6 13
2、排序规则:先按照第一个字符排序,如果第一个相同,再按照第二个字符排序
3、排序后的结果
1 3
1 5
1 14
2 1
2 4
2 45
3 6
3 23
4 11
5 12
6 13
4、spark二次排序实现
4.1、自定义key
package com.test.spark /** * @author admin * scala处理二次排序的类 * 自定义key */ class SecondSortByKey(val first: Int, val second: Int) extends Ordered[SecondSortByKey] with Serializable { def compare(other: SecondSortByKey): Int = { //this关键字可加,也可不加,如果遇到多个变量时,必须添加 if (this.first - other.first != 0) this.first - other.first else this.second - other.second } //重写toString方法 /*override def toString(): String = { "first:" + first + " second:" + second }*/ }
4.2、二次排序程序编排
package com.test.spark import org.apache.spark.{SparkConf, SparkContext} /** * @author admin * Spark二次排序的具体实现步骤: * 第一步: 自定义key 实现scala.math.Ordered接口,和Serializeable接口 * 第二步:将要进行二次排序的数据加载,按照<key,value>格式的RDD * 第三步:使用sortByKey 基于自定义的key进行二次排序 * 第四步:去掉排序的key,只保留排序的结果 */ object SparkSecondSortApplication { def main(args: Array[String]): Unit = { val conf = new SparkConf().setAppName("SortSecond").setMaster("local[1]") // 获取context val sc = new SparkContext(conf) // 加载到内存RDD val lines = sc.textFile("D:\\SparkDataTest\\sort.txt") // map操作,将要进行二次排序的数据加载,按照<key,value>格式的RDD val pairs = lines.map { line => { val spl = line.split(" ") (new SecondSortByKey(spl(0).toInt, spl(1).toInt), line) } } // 使用sortByKey 基于自定义的key进行二次排序, true:升序,false:降序 val sortPair = pairs.sortByKey(true) // map操作,只需要保留排序结果 val sortResult = sortPair.map(line => line._2) sortResult.collect().foreach { x => println(x) } // 停止sc sc.stop() } }