如何重新排列 wordcount hadoop 输出结果并按值排序

Posted 2023-04-18

【中文标题】如何重新排列 wordcount hadoop 输出结果并按值排序

【英文标题】：How to re-arrange wordcount hadoop output result and sort them by value

【发布时间】：2015-02-28 18:35:02

【问题描述】：

我使用下面的代码来获得输出结果，例如（键，值）

Apple 12
Bee 345 
Cat 123

我想要的是按值（ 345 ）降序排序并将它们放在键（ Value ， Key ）之前

345 Bee
123 Cat
12 Apple

我发现有一种叫做“二级排序”的东西不会说谎，但我很迷茫——我试图改变..context.write(key, result); 但惨遭失败。我是 Hadoop 新手，不知道如何开始解决这个问题。任何建议将不胜感激。我需要更改哪个功能？或者我需要修改哪个类？

这里是我的课：

package org.apache.hadoop.examples;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount 

  public static class TokenizerMapper 
       extends Mapper<Object, Text, Text, IntWritable>

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException 
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) 
        word.set(itr.nextToken());
        context.write(word, one);
      
    
  

  public static class IntSumReducer 
       extends Reducer<Text,IntWritable,Text,IntWritable> 
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values, 
                       Context context
                       ) throws IOException, InterruptedException 
      int sum = 0;
      for (IntWritable val : values) 
        sum += val.get();
      
      result.set(sum);
      context.write(key, result);
    
  

  public static void main(String[] args) throws Exception 
    Configuration conf = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    if (otherArgs.length < 2) 
      System.err.println("Usage: wordcount <in> [<in>...] <out>");
      System.exit(2);
    
    Job job = new Job(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    for (int i = 0; i < otherArgs.length - 1; ++i) 
      FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
    
    FileOutputFormat.setOutputPath(job,
      new Path(otherArgs[otherArgs.length - 1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  

【问题讨论】：

查看这些链接。***.com/questions/18403857/… 和 ***.com/questions/2550784/… 它有帮助

【参考方案1】：

您已经能够正确计算字数了。

您将需要第二个仅映射作业来执行降序排序和键值交换的第二个要求

使用 DecreasingComparator 作为排序比较器 使用 InverseMapper 交换键和值 使用 Identity Reducer，即 Reducer.class - 如果使用 Identity Reducer，则不会发生聚合（因为每个值都是单独为键输出的） 将 reduce 任务数设置为 1 或使用 TotalOderPartitioner