IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 大数据 -> 【Hadoop MapReduce03】Shuffle机制之排序 -> 正文阅读

[大数据]【Hadoop MapReduce03】Shuffle机制之排序

排序

MapReduce程序中数据都会被排序,不管逻辑上是否需要;
排序是MapReduce框架中最重要的操作之一;

MapTask中有两次排序
1.环形缓冲区达到阈值,对缓冲区中数据进行快排,然后再溢写到磁盘
2.Map处理完数据后,对磁盘上所有文件进行合并 采用归并排序

ReduceTask中有一次排序
从MapTask中远程拷贝相应的数据文件到内存中,当文件大小达到阈值,溢写到磁盘;
如果磁盘文件数目达到阈值,进行一次归并排序;
如果内存中文件大小或者数目达到阈值,进行合并溢出到磁盘上;
数据copy完毕后,ReduceTask同一对内存和磁盘上所有数据进行一次归并排序;

排序分类

(1)部分排序

指的是每个Reduce的输出文件内是有序的

(2)全局排序

全局排序意味着只能有一个Reduce,这样才能保证输出文件只有一个,文件内部有序;
效率极低,没有利用分布式的优点

(3)辅助排序

在reduce端需要对key进行分组;默认情况下,就是按Map输出的key分组;但是如果有特殊需求,比如在进入reduce()方法之前,重新定义分组的key,让一个或者多个字段进入同一个reduce的时候,就需要分组排序;

(4)二次排序

在自定义排序过程中,如果compareTo的判断条件为两个就是二次排序

WritableComparable接口

在这里插入图片描述
此接口即能够序列化,又能够排序;
如果要自定义数据类型作为key,必须实现这个接口;

全排序案例实操

(1)数据源

1	13736230513	192.196.100.1	www.atguigu.com	2481	24681	200
2	13846544121	192.196.100.2			264	0	200
3 	13956435636	192.196.100.3			132	1512	200
4 	13966251146	192.168.100.1			240	0	404
5 	18271575951	192.168.100.2	www.atguigu.com	1527	2106	200
6 	84188413	192.168.100.3	www.atguigu.com	4116	1432	200
7 	13590439668	192.168.100.4			1116	954	200
8 	15910133277	192.168.100.5	www.hao123.com	3156	2936	200
9 	13729199489	192.168.100.6			240	0	200
10 	13630577991	192.168.100.7	www.shouhu.com	6960	690	200
11 	15043685818	192.168.100.8	www.baidu.com	3659	3538	200
12 	15959002129	192.168.100.9	www.atguigu.com	1938	180	500
13 	13560439638	192.168.100.10			918	4938	200
14 	13470253144	192.168.100.11			180	180	200
15 	13682846555	192.168.100.12	www.qq.com	1938	2910	200
16 	13992314666	192.168.100.13	www.gaga.com	3008	3720	200
17 	13509468723	192.168.100.14	www.qinghua.com	7335	110349	404
18 	18390173782	192.168.100.15	www.sogou.com	9531	2412	200
19 	13975057813	192.168.100.16	www.baidu.com	11058	48243	200
20 	13768778790	192.168.100.17			120	120	200
21 	13568436656	192.168.100.18	www.alibaba.com	2481	24681	200
22 	13568436656	192.168.100.19			1116	954	200

(2)需求
对总流量进行倒序排序;期望输出如下:

							总流量
13509468723	7335	110349	117684
13736230513	2481	24681	27162
13956435636	132		1512	1644
13846544121	264		0		264

(3)实现步骤
1.由于需要先统计每个手机号的总流量,因此第一步就是以手机号作为key,以FlowBean作为Value进行统计;
2.第一个MapReduce的输出结果为: key=手机号 value= flowBean
3.第二个MapReduce以flowBean作为key,手机号作为value作为Mapper的输入

第一个MR输出数据格式:
在这里插入图片描述
在这里插入图片描述
目录下所有文件都会参与运算,因此这里删除无关文件SUCESS
(1) Bean 实现writableComparable接口

package com.fantasy.mapreduce.writableComparable;

import org.apache.hadoop.io.WritableComparable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

public class FlowBean implements WritableComparable<FlowBean> {

    private long phone;
    private int upFlow;
    private int downFlow;
    private int sumFlow;



    public FlowBean() {
    }

    public long getPhone() {
        return phone;
    }

    public void setPhone(long phone) {
        this.phone = phone;
    }

    public int getUpFlow() {
        return upFlow;
    }

    public void setUpFlow(int upFlow) {
        this.upFlow = upFlow;
    }

    public int getDownFlow() {
        return downFlow;
    }

    public void setDownFlow(int downFlow) {
        this.downFlow = downFlow;
    }

    public int getSumFlow() {
        return sumFlow;
    }

    public void setSumFlow(int sumFlow) {
        this.sumFlow = sumFlow;
    }

    @Override
    public int compareTo(FlowBean o) {
        return o.getSumFlow() -  this.getSumFlow() ;
    }

    @Override
    public void write(DataOutput out) throws IOException {
        out.writeInt(upFlow);
        out.writeInt(downFlow);
        out.writeInt(sumFlow);
    }

    @Override
    public void readFields(DataInput in) throws IOException {
        upFlow = in.readInt();
        downFlow = in.readInt();
        sumFlow = in.readInt();
    }

    @Override
    public String toString() {
       return upFlow + "\t" + downFlow + "\t" + sumFlow;
    }
}

注意:实现此接口,如果返回0 ,则认为key是相同的,就会进入同一组;

(2) Mapper

package com.fantasy.mapreduce.writableComparable;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

public class ComparableMapper extends Mapper<LongWritable, Text,FlowBean,Text> {

    FlowBean outK = new FlowBean();
    Text outV = new Text();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        String[] split = line.split("\t");
        String phone = split[0];
        int downFlow = Integer.parseInt(split[1]);
        int upFlow = Integer.parseInt(split[2]);
        int sumFlow = Integer.parseInt(split[3]);


        outK.setDownFlow(downFlow);
        outK.setUpFlow(upFlow);
        outK.setSumFlow(sumFlow);

        outV.set(phone);
        context.write(outK,outV);
    }
}

(2) Reducer

package com.fantasy.mapreduce.writableComparable;
 
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class ComparableReducer extends Reducer<FlowBean, Text,Text,FlowBean> {
    @Override
    protected void reduce(FlowBean key, Iterable<Text> values, Reducer<FlowBean, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException {
        for (Text value : values) {
            context.write(value,key);
        }
    }
}

(4)Driver

package com.fantasy.mapreduce.writableComparable;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;

public class ComparableDriver {

    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        //
        job.setJarByClass(ComparableDriver.class);
        job.setMapperClass(ComparableMapper.class);
        job.setReducerClass(ComparableReducer.class);

        //
        job.setMapOutputKeyClass(FlowBean.class);
        job.setMapOutputValueClass(Text.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);

        //
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

输出结果:

13509468723	110349	7335	117684
13975057813	48243	11058	59301
13568436656	25635	3597	29232
13736230513	24681	2481	27162
18390173782	2412	9531	11943
13630577991	690	6960	7650
15043685818	3538	3659	7197
13992314666	3720	3008	6728
15910133277	2936	3156	6092
13560439638	4938	918	5856
84188413	1432	4116	5548
13682846555	2910	1938	4848
18271575951	2106	1527	3633
15959002129	180	1938	2118
13590439668	954	1116	2070
13956435636	1512	132	1644
13470253144	180	180	360
13846544121	0	264	264
13729199489	0	240	240
13768778790	120	120	240
13966251146	0	240	240

二次排序

在这里插入图片描述
需求:order by sumFLow desc ,upFlow asc

重写compareTo即可:

@Override
    public int compareTo(FlowBean o) {
        int result = o.getSumFlow() -  this.getSumFlow();

        //二次排序
        if(result == 0){
            return this.getUpFlow() - o.getUpFlow();
        }
        return result;
    }
13509468723	110349	7335	117684
13975057813	48243	11058	59301
13568436656	25635	3597	29232
13736230513	24681	2481	27162
18390173782	2412	9531	11943
13630577991	690	6960	7650
15043685818	3538	3659	7197
13992314666	3720	3008	6728
15910133277	2936	3156	6092
13560439638	4938	918	5856
84188413	1432	4116	5548
13682846555	2910	1938	4848
18271575951	2106	1527	3633
15959002129	180	1938	2118
13590439668	954	1116	2070
13956435636	1512	132	1644
13470253144	180	180	360
13846544121	0	264	264
13729199489	0	240	240
13966251146	0	240	240
13768778790	120	120	240

分区内排序

只需要在全排序案例中,添加一个分区器即可;
key和value是mapper输出的key和value

public class partitioner extends Partitioner<FlowBean, Text> {
    @Override
    public int getPartition(FlowBean flowBean, Text text, int i) {
        String phone = text.toString();
        String preNum = phone.substring(0, 3);
        int partition = 4 ;
        // 2 判断是哪个省
        if ("136".equals(preNum)) {
            partition = 0;
        }else if ("137".equals(preNum)) {
            partition = 1;
        }else if ("138".equals(preNum)) {
            partition = 2;
        }else if ("139".equals(preNum)) {
            partition = 3;
        }
        return partition;
    }
}
  大数据 最新文章
实现Kafka至少消费一次
亚马逊云科技:还在苦于ETL?Zero ETL的时代
初探MapReduce
【SpringBoot框架篇】32.基于注解+redis实现
Elasticsearch:如何减少 Elasticsearch 集
Go redis操作
Redis面试题
专题五 Redis高并发场景
基于GBase8s和Calcite的多数据源查询
Redis——底层数据结构原理
上一篇文章      下一篇文章      查看所有文章
加:2021-09-27 14:09:28  更:2021-09-27 14:11:15 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/23 22:59:42-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码