Map/ReduceのGroup pingComparatorソートの概要
一、背景
ソートはMRにとって核心的な内容であり、どのようにソートするかは非常に重要であり、ここ数日いくつか書いて、後で読むためにまとめた.
二、準備
1、hadoopバージョンは0.20.2
2、入力したデータフォーマット(これは重要で、フォーマットがはっきり見える)、名前はsecondary.txt:
ソートはMRにとって核心的な内容であり、どのようにソートするかは非常に重要であり、ここ数日いくつか書いて、後で読むためにまとめた.
二、準備
1、hadoopバージョンは0.20.2
2、入力したデータフォーマット(これは重要で、フォーマットがはっきり見える)、名前はsecondary.txt:
abc 123
acb 124
cbd 523
abc 234
nbc 563
fds 235
khi 234
cbd 675
fds 971
hka 862
ubd 621
khi 123
fds 321
よく ると、データファイルの の はアルファベットで、2 の は で、 がしなければならないのはこのデータと びつけていくつかのソートのテストを うことです.
3、コードフレームワーク、 のテスト はすべて のコードに する であるため、フレームワークのコードは されないので、まず なコードをここに り けます.
コードは2つの に かれています.カスタムkeyとメインフレームコード( い を てください).まずメインフレームコードを り けます.
MyGrouping.java import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
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.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
import com.run.lenged.business.TextPair;
public class MyGrouping {
/**
* Map
*
* @author Administrator
*/
public static class MyGroupingMap extends Mapper<LongWritable, Text, TextPair, Text> {
protected void map(LongWritable key, Text value,
org.apache.hadoop.mapreduce.Mapper<LongWritable, Text, TextPair, Text>.Context context)
throws java.io.IOException, InterruptedException {
String arr[] = value.toString().split("/t");
if (arr.length != 2) {
return;
}
TextPair tp = new TextPair();
tp.set(new Text(arr[0]), new Text(arr[1]));
context.write(tp, new Text(arr[1]));
}
}
/**
* Hashcode
*
* @author Administrator
*/
public static class MyGroupingPartition extends Partitioner<TextPair, Text> {
@Override
public int getPartition(TextPair key, Text value, int numPartitions) {
return (key.hashCode() & Integer.MAX_VALUE) % numPartitions;
}
}
/**
* group
*
* @author Administrator
*/
@SuppressWarnings("unchecked")
public static class MyGroupingGroup extends WritableComparator {
//
}
/**
* reduce
*
* @author Administrator
*/
public static class MyGroupingReduce extends Reducer<TextPair, Text, Text, Text> {
protected void reduce(TextPair key, java.lang.Iterable<Text> value,
org.apache.hadoop.mapreduce.Reducer<TextPair, Text, Text, Text>.Context context)
throws java.io.IOException, InterruptedException {
StringBuffer sb = new StringBuffer();
while (value.iterator().hasNext()) {
sb.append(value.iterator().next().toString() + "_");
}
context.write(key.getFirst(), new Text(sb.toString().substring(0, sb.toString().length() - 1)));
}
}
public static void main(String args[]) throws Exception {
Configuration conf = new Configuration();
GenericOptionsParser parser = new GenericOptionsParser(conf, args);
String[] otherArgs = parser.getRemainingArgs();
if (args.length != 2) {
System.err.println("Usage: NewlyJoin <inpath> <output>");
System.exit(2);
}
Job job = new Job(conf, "MyGrouping");
// job
job.setJarByClass(MyGrouping.class);
// Map
job.setMapperClass(MyGroupingMap.class);
job.setMapOutputKeyClass(TextPair.class);
job.setMapOutputValueClass(Text.class);
job.setPartitionerClass(MyGroupingPartition.class);
job.setGroupingComparatorClass(MyGroupingGroup.class);
// reduce
job.setReducerClass(MyGroupingReduce.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
//
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
// ,
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
TextPair.java import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.WritableComparable;
public class TextPair implements WritableComparable<TextPair> {
private Text first;
private Text second;
public TextPair() {
set(new Text(), new Text());
}
public void set(Text first, Text second) {
this.first = first;
this.second = second;
}
public Text getFirst() {
return first;
}
public Text getSecond() {
return second;
}
@Override
public void readFields(DataInput in) throws IOException {
first.readFields(in);
second.readFields(in);
}
@Override
public void write(DataOutput out) throws IOException {
first.write(out);
second.write(out);
}
@Override
public int compareTo(TextPair o) {
int cmp = first.compareTo(o.first);
if (cmp != 0) {
return cmp;
} else {
return second.compareTo(o.second);
}
}
}
、テストの
1、まず を して、 たちは と びつけてテストして、それから します. は、1 のカラムの が じ 、2 のカラムの が され、2 のカラムの が にソートされます. に するときは、 のカラム の に を べ えます.2、 . の に づいて,1 のフィールドと2 のフィールドを べ える がある ,MRフレームワークを に してkey をvalue することはできないと できる.valueはソートされていないからです.だから たちはいくつかの をして、keyを に するように する があります.TextPair.JAvaクラスはカスタムkeyです. にkeyとvalueを にソートする 、カスタムコンビネーションkeyのフォーマットの の は のフィールドであり、2 の は2 のフィールドです.3、ではjobを します.setGroupingComparatorClass(MyGroupingGroup.class);コードは のとおりです.public static class MyGroupingGroup extends WritableComparator {
public int compare(WritableComparable a, WritableComparable b) {
return mip1.getFirst().compareTo(mip2.getFirst());
}
protected MyGroupingGroup() {
super(TextPair.class, true);
}
@Override
TextPair mip1 = (TextPair) a;
TextPair mip2 = (TextPair) b;
}
された コンポーネントの の のみをソートします. の は のとおりです.abc 123_234
cbd 523_675
khi 123_234
ubd 621
nbc 563
acb 124
fds 235_321_971
hka 862
4、 を ると、 のニーズを に たしていることがわかります.では に、MRのソート を するためのテストを います.
、Groupは つ のフィールド で べ えテストを う
1、groupの べ え を し、2 の に して べ えを い、コードは の りである.public static class MyGroupingGroup extends WritableComparator {
protected MyGroupingGroup() {
super(TextPair.class, true);
}
@Override
public int compare(WritableComparable a, WritableComparable b) {
TextPair mip1 = (TextPair) a;
TextPair mip2 = (TextPair) b;
return mip1.getSecond().compareTo(mip2.getSecond());
//return mip1.getFirst().compareTo(mip2.getFirst());
}
}
2、reduceの は し して、2 のフィールドも して、 に て、コードは の りです.context.write(key.getFirst(), new Text(sb.toString().substring(0, sb.toString().length() - 1)));
reduce の :abc_123 123
abc_234 234
acb_124 124
cbd_523 523
cbd_675 675
fds_235 235
fds_321 321
fds_971 971
hka_862 862
khi_123 123
khi_234 234
nbc_563 563
ubd_621 621
3、 を て、 は の に っていないで、 でソート を います.
はそうではありません.この は かにgroupのソートが われていますが、 データに していないということです.だから、ソートしていないように えます.
ここにはgroupがいつソートされたのかという があります. はこのように かれています.
Job.setGroupingComparatorClass(Class cls) Define the comparator that controls which keys are grouped together for a single call to Reducer.reduce(Object, Iterable, org.apache.hadoop.mapreduce.Reducer.Context)
は してみました( のレベルは に られていて、 っているところは さんに してもらいたいです):
reduceの び し にcomparatorを し、グループ されたkeyをソートします.
なぜkhi_123,123およびabc_123,123は なっていません.
、まとめ
1、ここにはgroupのソートしか かれていません.sortは かれていません. で きます. かもしれません.
2、そのうちMRの フローを いて、 を いて、 ってみてください.
3、このランキングについては も して もないので、 っているところがあるかもしれません. が って してくれるのを ています.
4、 やフォローが い は、メールでコミュニケーションすることができます[email protected]