Spark核心RDD：Sort排序详解

1.sortByKey

无可非议sortByKey是Spark的最常用的排序，简单的案例暂且跳过，下面给一个非简单的案例，进入排序之旅
对下面简单元祖，要求先按元素1升序，若元素1相同，则再按元素3升序

(1, 6, 3), (2, 3, 3), (1, 1, 2), (1, 3, 5), (2, 1, 2)

提示：sortByKey对于key是单个元素排序很简单，如果key是元组如(X1，X2，X3.....)，它会先按照X1排序，若X1相同，则在根据X2排序，依次类推...

由上面的分析，我们可以给出如下的代码：

val conf = new SparkConf()
val sc = new SparkContext(conf)
val array = Array((1, 6, 3), (2, 3, 3), (1, 1, 2), (1, 3, 5), (2, 1, 2))
val rdd1 = sc.parallelize(array)
//设置元素(e1,e3)为key,value为原来的整体
val rdd2 = rdd1.map(f => ((f._1, f._3), f))
//利用sortByKey排序的对key的特性
val rdd3 = rdd2.sortByKey()
val rdd4 = rdd3.values.collect

结果：

rdd4: Array[(Int, Int, Int)] = Array((1,1,2), (1,6,3), (1,3,5), (2,1,2), (2,3,3))

2.sortBy

SortBy其实是SortBykey的加强版，比如上面的功能可以使用这个函数实现

val rdd2=rdd1.sortBy(f=>(f._1,f._3)).collect

看上去是不是很神奇，其实sortBy内部帮我们做的，就是我上面写的代码。下面看下SortBy的源码：

def sortBy[K](
f: (T) => K,
ascending: Boolean = true,
numPartitions: Int = this.partitions.length)
(implicit ord: Ordering[K], ctag: ClassTag[K]): RDD[T] = withScope {
this.keyBy[K](f)
.sortByKey(ascending, numPartitions)
.values
}

sortBy先调用keyBy函数，而keyBy的功能很简单，key为用户制定，比如上面的f => ((f._1, f._3)，value为原始值：

def keyBy[K](f: T => K): RDD[(K, T)] = withScope {
val cleanedF = sc.clean(f)
map(x => (cleanedF(x), x))
}

最后在调用sortByKey函数，和上面的神似有木有..

3.Ordering

Ordering在Spark的排序应用中随处可见，比如上面的SortBy它就有一个隐式参数implicit ord: Ordering[K]，如下摘抄自Scala提供AIP
对简单的类型排序, quickSort 这里使用了高阶函数的柯里化，  为第二个括号为Ordering类型的隐式参数

import scala.util.Sorting
val pairs = Array(("a", 5, 2), ("c", 3, 1), ("b", 1, 3))
// sort by 2nd element
Sorting.quickSort(pairs)(Ordering.by[(String, Int, Int), Int](_._2))
// sort by the 3rd element, then 1st
Sorting.quickSort(pairs)(Ordering[(Int, String)].on(x => (x._3, x._1)))

对复杂类型的排序

import scala.util.Sorting
case class Person(name:String, age:Int)
val people = Array(Person("bob", 30), Person("ann", 32), Person("carl", 19))
// sort by age
object AgeOrdering extends Ordering[Person] {
def compare(a:Person, b:Person) = a.age compare b.age
}
Sorting.quickSort(people)(AgeOrdering)

因为sortByKey实现了Ordering的很多功能，下面以Spark中的top函数为例

def top(num: Int)(implicit ord: Ordering[T]): Array[T] = withScope {
takeOrdered(num)(ord.reverse)
}

在下面的元组中，以第2个元素基，取出前3大的元组

val array = Array((1, 3, 3), (2, 6, 3), (1, 1, 2), (1, 5, 4), (2, 1, 2))
val rdd1 = sc.parallelize(array)
val result=rdd1.top(3)(Ordering.by[(Int, Int, Int), Int](_._2))

结果：

result: Array[(Int, Int, Int)] = Array((2,6,3), (1,5,4), (1,3,3))