sorting - 如何在hadoop中实现排序？

Question

我的问题是对文件中的值进行排序。键和值都是整数，需要维护排序值的键。

key   value
1     24
3     4
4     12
5     23

输出:

1     24
5     23
4     12
3     4

我正在处理海量数据，必须在 hadoop 机器集群中运行代码。我如何使用 mapreduce 做到这一点？

Answer 1

你可能可以这样做(我假设你在这里使用 Java)

从 map 发出这样的 -

context.write(24,1);
context.write(4,3);
context.write(12,4)
context.write(23,5)

因此，所有需要排序的值都应该是 mapreduce 作业中的键。Hadoop 默认按键的升序排序。

因此，要么你这样做是为了降序排序，

job.setSortComparatorClass(LongWritable.DecreasingComparator.class);

或者，这个，

您需要设置一个自定义的降序排序比较器，这在您的工作中是这样的。

public static class DescendingKeyComparator extends WritableComparator {
    protected DescendingKeyComparator() {
        super(Text.class, true);
    }

    @SuppressWarnings("rawtypes")
    @Override
    public int compare(WritableComparable w1, WritableComparable w2) {
        LongWritable key1 = (LongWritable) w1;
        LongWritable key2 = (LongWritable) w2;          
        return -1 * key1.compareTo(key2);
    }
}

Hadoop 中的 suffle 和 sort 阶段将负责按 24,4,12,23 的降序对您的键进行排序

评论后:

如果你需要一个 Descending IntWritable Comparable，你可以创建一个并像这样使用它 -

job.setSortComparatorClass(DescendingIntComparable.class);

如果您正在使用JobConf，请使用它来设置

jobConfObject.setOutputKeyComparatorClass(DescendingIntComparable.class);

将以下代码放在 main() 函数下面 -

public static void main(String[] args) {
    int exitCode = ToolRunner.run(new YourDriver(), args);
    System.exit(exitCode);
}

//this class is defined outside of main not inside
public static class DescendingIntWritableComparable extends IntWritable {
    /** A decreasing Comparator optimized for IntWritable. */ 
    public static class DecreasingComparator extends Comparator {
        public int compare(WritableComparable a, WritableComparable b) {
            return -super.compare(a, b);
        }
        public int compare(byte[] b1, int s1, int l1, byte[] b2, int s2, int l2) {
            return -super.compare(b1, s1, l1, b2, s2, l2);
        }
    }
}