自定义排序
将两列数据进行排序，第一列按照升序排列，当第一列相同时，第二列升序排列。
在map和reduce阶段进行排序时，比较的是k2。v2是不参与排序比较的。如果要想让v2也进行排序，需要把k2和v2组装成新的类，作为k2，才能参与比较。
1 package sort;
2
3 import java.io.DataInput;
4 import java.io.DataOutput;
5 import java.io.IOException;
6 import java.net.URI;
7
8 import org.apache.hadoop.conf.Configuration;
9 import org.apache.hadoop.fs.FileSystem;
10 import org.apache.hadoop.fs.Path;
11 import org.apache.hadoop.io.LongWritable;
12 import org.apache.hadoop.io.Text;
13 import org.apache.hadoop.io.WritableComparable;
14 import org.apache.hadoop.mapreduce.Job;
15 import org.apache.hadoop.mapreduce.Mapper;
16 import org.apache.hadoop.mapreduce.Reducer;
17 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
18 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
19 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
20 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
21 import org.apache.hadoop.mapreduce.lib.partition.HashPartitioner;
22
23 public class SortApp {
24 static final String INPUT_PATH = "hdfs://chaoren:9000/input";
25 static final String OUT_PATH = "hdfs://chaoren:9000/out";
26
27 public static void main(String[] args) throws Exception {
28 final Configuration configuration = new Configuration();
29
30 final FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH),
31 configuration);
32 if (fileSystem.exists(new Path(OUT_PATH))) {
33 fileSystem.delete(new Path(OUT_PATH), true);
34 }
35
36 final Job job = new Job(configuration, SortApp.class.getSimpleName());
37
38 // 1.1 指定输入文件路径
39 FileInputFormat.setInputPaths(job, INPUT_PATH);
40 // 指定哪个类用来格式化输入文件
41 job.setInputFormatClass(TextInputFormat.class);
42
43 // 1.2指定自定义的Mapper类
44 job.setMapperClass(MyMapper.class);
45 // 指定输出<k2,v2>的类型
46 job.setMapOutputKeyClass(NewK2.class);
47 job.setMapOutputValueClass(LongWritable.class);
48
49 // 1.3 指定分区类
50 job.setPartitionerClass(HashPartitioner.class);
51 job.setNumReduceTasks(1);
52
53 // 1.4 TODO 排序、分区
54
55 // 1.5 TODO （可选）合并
56
57 // 2.2 指定自定义的reduce类
58 job.setReducerClass(MyReducer.class);
59 // 指定输出<k3,v3>的类型
60 job.setOutputKeyClass(LongWritable.class);
61 job.setOutputValueClass(LongWritable.class);
62
63 // 2.3 指定输出到哪里
64 FileOutputFormat.setOutputPath(job, new Path(OUT_PATH));
65 // 设定输出文件的格式化类
66 job.setOutputFormatClass(TextOutputFormat.class);
67
68 // 把代码提交给JobTracker执行
69 job.waitForCompletion(true);
70 }
71
72 static class MyMapper extends
73 Mapper<LongWritable, Text, NewK2, LongWritable> {
74 protected void map(
75 LongWritable key,
76 Text value,
77 org.apache.hadoop.mapreduce.Mapper<LongWritable, Text, NewK2, LongWritable>.Context context)
78 throws java.io.IOException, InterruptedException {
79 final String[] splited = value.toString().split("\t");
80 final NewK2 k2 = new NewK2(Long.parseLong(splited[0]),
81 Long.parseLong(splited[1]));
82 final LongWritable v2 = new LongWritable(Long.parseLong(splited[1]));
83 context.write(k2, v2);
84 };
85 }
86
87 static class MyReducer extends
88 Reducer<NewK2, LongWritable, LongWritable, LongWritable> {
89 protected void reduce(
90 NewK2 k2,
91 java.lang.Iterable<LongWritable> v2s,
92 org.apache.hadoop.mapreduce.Reducer<NewK2, LongWritable, LongWritable, LongWritable>.Context context)
93 throws java.io.IOException, InterruptedException {
94 context.write(new LongWritable(k2.first), new LongWritable(
95 k2.second));
96 };
97 }
98
99 /**
100 * 问：为什么实现该类？ 答：因为原来的v2不能参与排序，把原来的k2和v2封装到一个类中，作为新的k2
101 *
102 */
103 // WritableComparable：Hadoop的序列化
104 static class NewK2 implements WritableComparable<NewK2> {
105 Long first;
106 Long second;
107
108 public NewK2() {
109 }
110
111 public NewK2(long first, long second) {
112 this.first = first;
113 this.second = second;
114 }
115
116 public void readFields(DataInput in) throws IOException {
117 this.first = in.readLong();
118 this.second = in.readLong();
119 }
120
121 public void write(DataOutput out) throws IOException {
122 out.writeLong(first);
123 out.writeLong(second);
124 }
125
126 /**
127 * 当k2进行排序时，会调用该方法. 当第一列不同时，升序；当第一列相同时，第二列升序
128 */
129 public int compareTo(NewK2 o) {
130 final long minus = this.first - o.first;
131 if (minus != 0) {
132 return (int) minus;
133 }
134 return (int) (this.second - o.second);
135 }
136
137 @Override
138 public int hashCode() {
139 return this.first.hashCode() + this.second.hashCode();
140 }
141
142 @Override
143 public boolean equals(Object obj) {
144 if (!(obj instanceof NewK2)) {
145 return false;
146 }
147 NewK2 oK2 = (NewK2) obj;
148 return (this.first == oK2.first) && (this.second == oK2.second);
149 }
150 }
151
152 }
Hadoop序列化
序列化概念：
序列化：把结构化对象转化为字节流。
反序列化：是序列化的逆过程。即把字节流转回结构化对象。
Hadoop序列化的特点：
1、紧凑：高效使用存储空间。
2、快速：读写数据的额外开销小。
3、可扩展：可透明的读取老格式的数据。
4、互操作：支持多语言的交互。
Hadoop的序列化格式：Writable
Hadoop序列化的作用：
序列化在分布式环境的两大作用：进程间通信，永久存储。
Hadoop节点间通信：
Writable接口
Writable接口，是根据DataInput和DataOutput实现的简单、有效的序列化对象。
MR的任意key和value必须实现Writable接口。
MR的任意key必须实现WritableComparable接口。
自定义Writable类（上面代码中有）
实现Writable：
1、write是把每个对象序列化到输出流。
2、readFields是把输入流字节反序列化。
实现WritableComparable:
Java值对象的比较：一般需要重写toString(),hashCode(),equals()方法。
时间： 2024-10-12 22:04:45