電子發燒友App
關于什么是二次排序
在mapreduce操作時，shuffle階段會多次根據key值排序。但是在shuffle分組后，相同key值的values序列的順序是不確定的（如下圖）。如果想要此時value值也是排序好的，這種需求就是二次排序。
默認情況下，Map輸出的結果會對Key進行默認的排序，但是有時候需要對Key排序的同時還需要對Value進行排序，這時候就要用到二次排序了。
?mapreduce二次排序分析
我們把二次排序分為以下幾個階段
Map起始階段
在Map階段，使用job.setInputFormatClass（）定義的InputFormat，將輸入的數據集分割成小數據塊split，同時InputFormat提供一個RecordReader的實現。在這里我們使用的是TextInputFormat，它提供的RecordReader會將文本的行號作為Key，這一行的文本作為Value。這就是自定 Mapper的輸入是《LongWritable，Text》 的原因。然后調用自定義Mapper的map方法，將一個個《LongWritable，Text》鍵值對輸入給Mapper的map方法
Map最后階段
在Map階段的最后，會先調用job.setPartitionerClass（）對這個Mapper的輸出結果進行分區，每個分區映射到一個Reducer。每個分區內又調用job.setSortComparatorClass（）設置的Key比較函數類排序。可以看到，這本身就是一個二次排序。如果沒有通過job.setSortComparatorClass（）設置 Key比較函數類，則使用Key實現的compareTo（）方法
Reduce階段
在Reduce階段，reduce（）方法接受所有映射到這個Reduce的map輸出后，也會調用job.setSortComparatorClass（）方法設置的Key比較函數類，對所有數據進行排序。然后開始構造一個Key對應的Value迭代器。這時就要用到分組，使用 job.setGroupingComparatorClass（）方法設置分組函數類。只要這個比較器比較的兩個Key相同，它們就屬于同一組，它們的 Value放在一個Value迭代器，而這個迭代器的Key使用屬于同一個組的所有Key的第一個Key。最后就是進入Reducer的 reduce（）方法，reduce（）方法的輸入是所有的Key和它的Value迭代器，同樣注意輸入與輸出的類型必須與自定義的Reducer中聲明的一致。
、
#e#
? ? ? ? ? ? 接下來我們通過示例，可以很直觀的了解二次排序的原理
輸入文件 sort.txt 內容為
40 20
40 10
40 30
40 5
30 30
30 20
30 10
30 40
50 20
50 50
50 10
50 60
輸出文件的內容（從小到大排序）如下
30 10
30 20
30 30
30 40
--------
40 5
40 10
40 20
40 30
--------
50 10
50 20
50 50
50 60
從輸出的結果可以看出Key實現了從小到大的排序，同時相同Key的Value也實現了從小到大的排序，這就是二次排序的結果
mapreduce二次排序的具體流程
在本例中要比較兩次。先按照第一字段排序，然后再對第一字段相同的按照第二字段排序。根據這一點，我們可以構造一個復合類IntPair ，它有兩個字段，先利用分區對第一字段排序，再利用分區內的比較對第二字段排序。二次排序的流程分為以下幾步。
1、自定義 key
所有自定義的key應該實現接口WritableComparable，因為它是可序列化的并且可比較的。WritableComparable 的內部方法如下所示
// 反序列化，從流中的二進制轉換成IntPairpublic void readFields（DataInput in） throws IOException
// 序列化，將IntPair轉化成使用流傳送的二進制public void write（DataOutput out）
// key的比較public int compareTo（IntPair o）
// 默認的分區類 HashPartitioner，使用此方法public int hashCode（）
// 默認實現public boolean equals（Object right）
2、自定義分區
自定義分區函數類FirstPartitioner，是key的第一次比較，完成對所有key的排序。
public static class FirstPartitioner extends Partitioner《 IntPair，IntWritable》
在job中使用setPartitionerClasss（）方法設置Partitioner
job.setPartitionerClasss（FirstPartitioner.Class）;
3、Key的比較類
這是Key的第二次比較，對所有的Key進行排序，即同時完成IntPair中的first和second排序。該類是一個比較器，可以通過兩種方式實現。
1） 繼承WritableComparator。
public static class KeyComparator extends WritableComparator
必須有一個構造函數，并且重載以下方法。
public int compare（WritableComparable w1， WritableComparable w2）
2） 實現接口 RawComparator。
上面兩種實現方式，在Job中，可以通過setSortComparatorClass（）方法來設置Key的比較類。
job.setSortComparatorClass（KeyComparator.Class）;
注意：如果沒有使用自定義的SortComparator類，則默認使用Key中compareTo（）方法對Key排序。
4、定義分組類函數
在Reduce階段，構造一個與 Key 相對應的 Value 迭代器的時候，只要first相同就屬于同一個組，放在一個Value迭代器。定義這個比較器，可以有兩種方式。
1） 繼承 WritableComparator。
public static class GroupingComparator extends WritableComparator
必須有一個構造函數，并且重載以下方法。
public int compare（WritableComparable w1， WritableComparable w2）
2） 實現接口 RawComparator。
上面兩種實現方式，在 Job 中，可以通過 setGroupingComparatorClass（）方法來設置分組類。
job.setGroupingComparatorClass（GroupingComparator.Class）;
另外注意的是，如果reduce的輸入與輸出不是同一種類型，則 Combiner和Reducer 不能共用 Reducer 類，因為 Combiner 的輸出是 reduce 的輸入。除非重新定義一個Combiner。
3、代碼實現
Hadoop的example包中自帶了一個MapReduce的二次排序算法，下面對 example包中的二次排序進行改進
package com.buaa;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.io.WritableComparable;
/**
* @ProjectName SecondarySort
* @PackageName com.buaa
* @ClassName IntPair
* @Description 將示例數據中的key/value封裝成一個整體作為Key，同時實現 WritableComparable接口并重寫其方法
* @Author 劉吉超
* @Date 2016-06-07 22:31:53
*/
public class IntPair implements WritableComparable《IntPair》{
private int first;
private int second;
public IntPair（）{
}
public IntPair（int left， int right）{
set（left， right）;
}
public void set（int left， int right）{
first = left;
second = right;
}
@Override
public void readFields（DataInput in） throws IOException{
first = in.readInt（）;
second = in.readInt（）;
}
@Override
public void write（DataOutput out） throws IOException{
out.writeInt（first）;
out.writeInt（second）;
}
@Override
public int compareTo（IntPair o）
{
if （first ！= o.first）{
return first 《 o.first ？ -1 ： 1;
}else if （second ！= o.second）{
return second 《 o.second ？ -1 ： 1;
}else{
return 0;
}
}
@Override
public int hashCode（）{
return first * 157 + second;
}
@Override
public boolean equals（Object right）{
if （right == null）
return false;
if （this == right）
return true;
if （right instanceof IntPair）{
IntPair r = （IntPair） right;
return r.first == first && r.second == second;
}else{
return false;
}
}
public int getFirst（）{
return first;
}
public int getSecond（）{
return second;
}
}
package com.buaa;
import java.io.IOException;import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FileSystem;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.io.WritableComparable;import org.apache.hadoop.io.WritableComparator;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.Partitioner;import org.apache.hadoop.mapreduce.Reducer;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
/**
* @ProjectName SecondarySort
* @PackageName com.buaa
* @ClassName SecondarySort
* @Description TODO
* @Author 劉吉超
* @Date 2016-06-07 22:40:37*/
@SuppressWarnings（“deprecation”）public class SecondarySort {
public static class Map extends Mapper《LongWritable， Text， IntPair， IntWritable》 {
public void map（LongWritable key， Text value， Context context） throws IOException， InterruptedException {
String line = value.toString（）;
StringTokenizer tokenizer = new StringTokenizer（line）;
int left = 0;
int right = 0;
if （tokenizer.hasMoreTokens（）） {
left = Integer.parseInt（tokenizer.nextToken（））;
if （tokenizer.hasMoreTokens（））
right = Integer.parseInt（tokenizer.nextToken（））;
context.write（new IntPair（left， right）， new IntWritable（right））;
}
}
}
/*
* 自定義分區函數類FirstPartitioner，根據 IntPair中的first實現分區
*/
public static class FirstPartitioner extends Partitioner《IntPair， IntWritable》{
@Override
public int getPartition（IntPair key， IntWritable value，int numPartitions）{
return Math.abs（key.getFirst（） * 127） % numPartitions;
}
}
/*
* 自定義GroupingComparator類，實現分區內的數據分組
*/
@SuppressWarnings（“rawtypes”）
public static class GroupingComparator extends WritableComparator{
protected GroupingComparator（）{
super（IntPair.class， true）;
}
@Override
public int compare（WritableComparable w1， WritableComparable w2）{
IntPair ip1 = （IntPair） w1;
IntPair ip2 = （IntPair） w2;
int l = ip1.getFirst（）;
int r = ip2.getFirst（）;
return l == r ？ 0 ： （l 《 r ？ -1 ： 1）;
}
}
public static class Reduce extends Reducer《IntPair， IntWritable， Text， IntWritable》 {
public void reduce（IntPair key， Iterable《IntWritable》 values， Context context） throws IOException， InterruptedException {
for （IntWritable val ： values） {
context.write（new Text（Integer.toString（key.getFirst（）））， val）;
}
}
}
public static void main（String［］ args） throws IOException， InterruptedException， ClassNotFoundException {
// 讀取配置文件
Configuration conf = new Configuration（）;
// 判斷路徑是否存在，如果存在，則刪除
Path mypath = new Path（args［1］）;
FileSystem hdfs = mypath.getFileSystem（conf）;
if （hdfs.isDirectory（mypath）） {
hdfs.delete（mypath， true）;
}
Job job = new Job（conf， “secondarysort”）;
// 設置主類
job.setJarByClass（SecondarySort.class）;
// 輸入路徑
FileInputFormat.setInputPaths（job， new Path（args［0］））;
// 輸出路徑
FileOutputFormat.setOutputPath（job， new Path（args［1］））;
// Mapper
job.setMapperClass（Map.class）;
// Reducer
job.setReducerClass（Reduce.class）;
// 分區函數
job.setPartitionerClass（FirstPartitioner.class）;
// 本示例并沒有自定義SortComparator，而是使用IntPair中compareTo方法進行排序 job.setSortComparatorClass（）;
// 分組函數
job.setGroupingComparatorClass（GroupingComparator.class）;
// map輸出key類型
job.setMapOutputKeyClass（IntPair.class）;
// map輸出value類型
job.setMapOutputValueClass（IntWritable.class）;
// reduce輸出key類型
job.setOutputKeyClass（Text.class）;
// reduce輸出value類型
job.setOutputValueClass（IntWritable.class）;
// 輸入格式
job.setInputFormatClass（TextInputFormat.class）;
// 輸出格式
job.setOutputFormatClass（TextOutputFormat.class）;
System.exit（job.waitForCompletion（true） ？ 0 ： 1）;
}
}
工商網監
評論