hadoop提交作业自定义排序和分组

现有数据如下：

3 3
3 2
3 1
2 2
2 1
1 1

要求为：

先按第一列从小到大排序，如果第一列相同，按第二列从小到大排序

如果是hadoop默认的排序方式，只能比较key，也就是第一列，而value是无法参与排序的

这时候就需要用到自定义的排序规则

解决思路：

自定义数据类型，将原本的key和value都包装进去

将这个数据类型当做key，这样就比较key的时候就可以包含第一列和第二列的值了

自定义数据类型NewK2如下：

//要实现自定义的排序规则必须实现WritableComparable接口，泛型参数为类本身public class NewK2 implements WritableComparable<NewK2> {//代表第一列和第二列的数据Long first;Long second;public NewK2() {}public NewK2(long first, long second) {this.first = first;this.second = second;}//重写序列化和反序列化方法@Overridepublic void readFields(DataInput in) throws IOException {this.first = in.readLong();this.second = in.readLong();}@Overridepublic void write(DataOutput out) throws IOException {out.writeLong(first);out.writeLong(second);}//当k2进行排序时，会自动调用该方法. 当第一列不同时，升序；当第一列相同时，第二列升序//如果希望降序排列，那么只需要对调this对象和o对象的顺序@Overridepublic int compareTo(NewK2 o) {if(this.first != o.first){return (int)(this.first - o.first);}else{return (int) (this.second - o.second);}}//重写hashCode和equals方法@Overridepublic int hashCode() {return this.first.hashCode() + this.second.hashCode();}@Overridepublic boolean equals(Object obj) {if (!(obj instanceof NewK2)) {return false;}NewK2 oK2 = (NewK2) obj;return (this.first == oK2.first) && (this.second == oK2.second);}}

MyMapper类代码：

public class MyMapper extendsMapper<LongWritable, Text, NewK2, LongWritable> {protected void map(LongWritable key,Text value,org.apache.hadoop.mapreduce.Mapper<LongWritable, Text, NewK2, LongWritable>.Context context)throws java.io.IOException, InterruptedException {final String[] splited = value.toString().split("\t");//分割完成之后的数据如：3,1  分别赋值给k2对象的first和second属性final NewK2 k2 = new NewK2(Long.parseLong(splited[0]),Long.parseLong(splited[1]));final LongWritable v2 = new LongWritable(Long.parseLong(splited[1]));//将k2当做key输出，这样在排序的时候就会调用NewK2的compareTo方法，里面写的是我们自己的排序规则context.write(k2, v2);};}

MyReducer类代码：

public class MyReducer extendsReducer<NewK2, LongWritable, LongWritable, LongWritable> {protected void reduce(NewK2 k2,java.lang.Iterable<LongWritable> v2s,org.apache.hadoop.mapreduce.Reducer<NewK2, LongWritable, LongWritable, LongWritable>.Context context)throws java.io.IOException, InterruptedException {context.write(new LongWritable(k2.first), new LongWritable(k2.second));};}

MySubmit类的代码和之前的一样无需改动

运行可得到结果如下图：

如果业务需求又发生了改变，如：上图结果中，第一列相同的，只要列出第二列的值最小的那个选项即可

那么结果应该为
1 1

2 1

3 1

可是我们之前使用的是自定义的数据类型当做key

而hadoop默认的分组策略是所有key相同的选项当做一组

而两个NewK2对象要相等，就必须要first和second属性都相等才行

这时就需要用到自定义的分组策略

自定义分组类如下：

//自定义的分组类必须实现RawComparator，泛型参数为类本身public class MyGroupingComparator implements RawComparator<NewK2> {//重写两个比较方法//按对象进行比较，规定只要两个NewK2对象的first属性相同就视为相等@Overridepublic int compare(NewK2 o1, NewK2 o2) {return (int) (o1.first - o2.first);}/** * @param arg0 *            表示第一个参与比较的字节数组 * @param arg1 *            表示第一个参与比较的字节数组的起始位置 * @param arg2 *            表示第一个参与比较的字节数组的偏移量 *  * @param arg3 *            表示第二个参与比较的字节数组 * @param arg4 *            表示第二个参与比较的字节数组的起始位置 * @param arg5 *            表示第二个参与比较的字节数组的偏移量 */@Overridepublic int compare(byte[] arg0, int arg1, int arg2, byte[] arg3,int arg4, int arg5) {return WritableComparator.compareBytes(arg0, arg1, 8, arg3, arg4, 8);}}

在MySubmit代码中加入设置分组策略

// 1.4 TODO 排序、分区job.setGroupingComparatorClass(MyGroupingComparator.class);

再次运行程序可得到如下图的结果：