Hadoop基础教程-第7章 MapReduce进阶（7.6 MapReduce 二次排序）

第7章 MapReduce进阶

7.6 MapReduce 二次排序

7.6.1 二次排序概述

MapReduce框架对处理结果的输出会根据key值进行默认的排序，这个默认排序可以满足一部分需求，但是也是十分有限的。在我们实际的需求当中，往往有要对reduce输出结果进行二次排序的需求。所谓二次排序，先按第1个字段进行排序，然后对第1个字段相同的数据，再按第2个字段进行排序。

序号	价格	类别	书名
3005	49.5	S3	大数据概论
2001	49.0	S2	Java
1021	45.0	S1	数据结构
1001	39.0	S1	计算机基础
2010	48.5	S2	C#语言
3001	89.0	S3	Hadoop基础
2030	60.0	S2	MySQL
2071	99.0	S2	Oracle
2091	69.0	S2	Linux
3004	56.0	S3	HBase教程
3002	98.0	S3	Spark基础
3003	49.0	S3	Hive教程
1002	39.0	S1	C语言

先按照类别排序，对于类别相同的，再按照价格排序，结果如下。

序号	价格	类别	书名
1002	39.0	S1	C语言
1001	39.0	S1	计算机基础
1021	45.0	S1	数据结构
2010	48.5	S2	C#语言
2001	49.0	S2	Java
2030	60.0	S2	MySQL
2091	69.0	S2	Linux
2071	99.0	S2	Oracle
3003	49.0	S3	Hive教程
3005	49.5	S3	大数据概论
3004	56.0	S3	HBase教程
3001	89.0	S3	Hadoop基础
3002	98.0	S3	Spark基础

注意，书号1001和书号1002的两本书的key(两个比较字段)是相同的。

7.6.2上传数据1到HDFS

hdfs dfs -put books.txt input

hdfs dfs -cat input/books.txt

[root@hds117 data]# ls
books.txt  dept.txt  emp.txt
[root@hds117 data]# hdfs dfs -put books.txt input
[root@hds117 data]# hdfs dfs -ls input
Found 4 items
-rw-r--r--   3 root hbase        329 2017-06-23 15:56 input/books.txt
-rw-r--r--   3 root hbase         82 2017-06-23 11:04 input/dept.txt
-rw-r--r--   3 root hbase        513 2017-06-23 11:04 input/emp.txt
-rw-r--r--   3 root hbase  871353053 2017-06-23 14:19 input/ncdc.txt
[root@hds117 data]# hdfs dfs -cat input/books.txt
3005    49.5    S3  大数据概论
2001    49.0    S2  Java
1021    45.0    S1  数据结构
1001    39.0    S1  计算机基础
2010    48.5    S2  C#语言
3001    89.0    S3  Hadoop基础
2030    60.0    S2  MySQL
2071    99.0    S2  Oracle
2091    69.0    S2  Linux
3004    56.0    S3  HBase教程
3002    98.0    S3  Spark基础
3003    49.0    S3  Hive教程
1002    39.0    S1  C语言

7.6.3 Mapper

package cn.hadron.mr.sort;

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

public class Sort2Mapper extends Mapper<LongWritable, Text, Text, NullWritable>{
@Override
protected void map(LongWritable key, Text value,Context context)
throws IOException, InterruptedException {
//仅将vaule转换为key输出
context.write(value,NullWritable.get());

}
}

7.6.4 Partitioner

package cn.hadron.mr.sort;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.lib.partition.HashPartitioner;

/**
* <Text,NullWritable>是Mapper的输出类型
* @author hadron
*/
public class MyPartitioner extends HashPartitioner<Text,NullWritable>{
//执行时间越短越好
public int getPartition(Text key, NullWritable value, int numReduceTasks) {
return (key.toString().split("\t")[2].hashCode() & Integer.MAX_VALUE)%numReduceTasks;
}
}

7.6.5 Comparator

package cn.hadron.mr.sort;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.WritableComparable;
import org.apache.hadoop.io.WritableComparator;

public class MyComparator extends WritableComparator{

protected MyComparator(){
super(Text.class,true);
}

@Override
public int compare(WritableComparable k1, WritableComparable k2) {
String[] a1=k1.toString().split("\t");
String[] a2=k2.toString().split("\t");
//如果种类字段相同，则比较价格字段
if(a1[2].equals(a2[2])){
//如果价格也相同，如果返回0，则认为是相同的书；所以需要进一步比较书名
if(a1[1].equals(a2[1])){
return a1[1].compareTo(a1[3]);
}else{
return a1[1].compareTo(a2[1]);
}
}else{
return a1[2].compareTo(a2[2]);
}
}
}

7.6.6 Reducer

package cn.hadron.mr.sort;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class Sort2Reducer extends Reducer<Text, NullWritable, NullWritable,Text>{
protected void reduce(Text key, Iterable<NullWritable> values,Context context)
throws IOException, InterruptedException {
context.write(NullWritable.get(),key);
/*for(Text value:values){
context.write(NullWritable.get(),value);

}*/

}
}

7.6.7 主方法

package cn.hadron.mr.sort;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class RunJob {
public static void main(String[] args) {
// 设置环境变量HADOOP_USER_NAME，其值是root
System.setProperty("HADOOP_USER_NAME", "root");
// Configuration类包含了Hadoop的配置
Configuration config = new Configuration();
// 设置fs.defaultFS
config.set("fs.defaultFS", "hdfs://192.168.80.131:9000");
// 设置yarn.resourcemanager节点
config.set("yarn.resourcemanager.hostname", "node1");
try {
FileSystem fs = FileSystem.get(config);
Job job = Job.getInstance(config);
job.setJarByClass(RunJob.class);
job.setJobName("Sort2");
// 设置Mapper和Reducer类
job.setMapperClass(Sort2Mapper.class);
job.setReducerClass(Sort2Reducer.class);
//设置map方法输出类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(NullWritable.class);
// 设置reduce方法输出key和value的类型
job.setOutputKeyClass(NullWritable.class);
job.setOutputValueClass(Text.class);
//设置自定义工具类
job.setPartitionerClass(MyPartitioner.class);
job.setSortComparatorClass(MyComparator.class);
//job.setGroupingComparatorClass(MyGroup.class);
//设置Reduce Task数
//job.setNumReduceTasks(3);

// 指定输入输出路径
FileInputFormat.addInputPath(job, new Path("/user/root/input/books.txt"));
Path outpath = new Path("/user/root/output/");
if (fs.exists(outpath)) {
fs.delete(outpath, true);
}
FileOutputFormat.setOutputPath(job, outpath);
// 提交任务，等待执行完成
boolean f = job.waitForCompletion(true);
if (f) {
System.out.println("job任务执行成功");
}
} catch (Exception e) {
e.printStackTrace();
}
}
}

7.6.7 运行结果

Eclipse运行结果

log4j:WARN No appenders could be found for logger (org.apache.hadoop.metrics2.lib.MutableMetricsFactory).
log4j:WARN Please initialize the log4j system properly.
log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
job任务执行成功

HDFS输出结果

hdfs dfs -ls output

hdfs dfs -cat output/part-r-00000

[root@node1 ~]# hdfs dfs -ls output
Found 2 items
-rw-r--r--   3 root supergroup          0 2017-06-25 00:04 output/_SUCCESS
-rw-r--r--   3 root supergroup        337 2017-06-25 00:04 output/part-r-00000
[root@node1 ~]# hdfs dfs -cat output/part-r-00000
1002    39.0    S1  C语言
1001    39.0    S1  计算机基础
1021    45.0    S1  数据结构
2010    48.5    S2  C#语言
2001    49.0    S2  Java
2030    60.0    S2  MySQL
2091    69.0    S2  Linux
2071    99.0    S2  Oracle
3003    49.0    S3  Hive教程
3005    49.5    S3  大数据概论
3004    56.0    S3  HBase教程
3001    89.0    S3  Hadoop基础
3002    98.0    S3  Spark基础