最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

hadoop二次排序的原理和實(shí)現(xiàn)方法

 更新時(shí)間:2019年06月22日 16:07:18   作者:白馬不是馬  
這篇文章主要介紹了hadoop二次排序的原理和實(shí)現(xiàn),本文通過實(shí)例代碼給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下

默認(rèn)情況下,Map輸出的結(jié)果會(huì)對(duì)Key進(jìn)行默認(rèn)的排序,但是有時(shí)候需要對(duì)Key排序的同時(shí)還需要對(duì)Value進(jìn)行排序,這時(shí)候就要用到二次排序了。下面我們來說說二次排序

1、二次排序原理

我們把二次排序分為以下幾個(gè)階段

Map起始階段

在Map階段,使用job.setInputFormatClass()定義的InputFormat,將輸入的數(shù)據(jù)集分割成小數(shù)據(jù)塊split,同時(shí)InputFormat提供一個(gè)RecordReader的實(shí)現(xiàn)。在這里我們使用的是TextInputFormat,它提供的RecordReader會(huì)將文本的行號(hào)作為Key,這一行的文本作為Value。這就是自定 Mapper的輸入是<LongWritable,Text> 的原因。然后調(diào)用自定義Mapper的map方法,將一個(gè)個(gè)<LongWritable,Text>鍵值對(duì)輸入給Mapper的map方法

Map最后階段

在Map階段的最后,會(huì)先調(diào)用job.setPartitionerClass()對(duì)這個(gè)Mapper的輸出結(jié)果進(jìn)行分區(qū),每個(gè)分區(qū)映射到一個(gè)Reducer。每個(gè)分區(qū)內(nèi)又調(diào)用job.setSortComparatorClass()設(shè)置的Key比較函數(shù)類排序??梢钥吹剑@本身就是一個(gè)二次排序。如果沒有通過job.setSortComparatorClass()設(shè)置 Key比較函數(shù)類,則使用Key實(shí)現(xiàn)的compareTo()方法

Reduce階段

在Reduce階段,reduce()方法接受所有映射到這個(gè)Reduce的map輸出后,也會(huì)調(diào)用job.setSortComparatorClass()方法設(shè)置的Key比較函數(shù)類,對(duì)所有數(shù)據(jù)進(jìn)行排序。然后開始構(gòu)造一個(gè)Key對(duì)應(yīng)的Value迭代器。這時(shí)就要用到分組,使用 job.setGroupingComparatorClass()方法設(shè)置分組函數(shù)類。只要這個(gè)比較器比較的兩個(gè)Key相同,它們就屬于同一組,它們的 Value放在一個(gè)Value迭代器,而這個(gè)迭代器的Key使用屬于同一個(gè)組的所有Key的第一個(gè)Key。最后就是進(jìn)入Reducer的 reduce()方法,reduce()方法的輸入是所有的Key和它的Value迭代器,同樣注意輸入與輸出的類型必須與自定義的Reducer中聲明的一致

接下來我們通過示例,可以很直觀的了解二次排序的原理

輸入文件 sort.txt 內(nèi)容為

40 20 40 10 40 30 40 5 30 30 30 20 30 10 30 40 50 20 50 50 50 10 50 60

輸出文件的內(nèi)容(從小到大排序)如下

30 10 30 20 30 30 30 40 -------- 40 5 40 10 40 20 40 30 -------- 50 10 50 20 50 50 50 60

從輸出的結(jié)果可以看出Key實(shí)現(xiàn)了從小到大的排序,同時(shí)相同Key的Value也實(shí)現(xiàn)了從小到大的排序,這就是二次排序的結(jié)果

2、二次排序的具體流程

在本例中要比較兩次。先按照第一字段排序,然后再對(duì)第一字段相同的按照第二字段排序。根據(jù)這一點(diǎn),我們可以構(gòu)造一個(gè)復(fù)合類IntPair ,它有兩個(gè)字段,先利用分區(qū)對(duì)第一字段排序,再利用分區(qū)內(nèi)的比較對(duì)第二字段排序。二次排序的流程分為以下幾步。

在本例中要比較兩次。先按照第一字段排序,然后再對(duì)第一字段相同的按照第二字段排序。根據(jù)這一點(diǎn),我們可以構(gòu)造一個(gè)復(fù)合類IntPair ,它有兩個(gè)字段,先利用分區(qū)對(duì)第一字段排序,再利用分區(qū)內(nèi)的比較對(duì)第二字段排序。二次排序的流程分為以下幾步。

1、自定義 key

所有自定義的key應(yīng)該實(shí)現(xiàn)接口WritableComparable,因?yàn)樗强尚蛄谢牟⑶铱杀容^的。WritableComparable 的內(nèi)部方法如下所示

// 反序列化,從流中的二進(jìn)制轉(zhuǎn)換成IntPair
public void readFields(DataInput in) throws IOException

// 序列化,將IntPair轉(zhuǎn)化成使用流傳送的二進(jìn)制
public void write(DataOutput out)

// key的比較
public int compareTo(IntPair o)

// 默認(rèn)的分區(qū)類 HashPartitioner,使用此方法
public int hashCode()

// 默認(rèn)實(shí)現(xiàn)
public boolean equals(Object right)

2、自定義分區(qū)

自定義分區(qū)函數(shù)類FirstPartitioner,是key的第一次比較,完成對(duì)所有key的排序。

public static class FirstPartitioner extends Partitioner< IntPair,IntWritable>

在job中使用setPartitionerClasss()方法設(shè)置Partitioner

job.setPartitionerClasss(FirstPartitioner.Class);

3、Key的比較類

這是Key的第二次比較,對(duì)所有的Key進(jìn)行排序,即同時(shí)完成IntPair中的first和second排序。該類是一個(gè)比較器,可以通過兩種方式實(shí)現(xiàn)。

1) 繼承WritableComparator。

public static class KeyComparator extends WritableComparator

必須有一個(gè)構(gòu)造函數(shù),并且重載以下方法。

public int compare(WritableComparable w1, WritableComparable w2)

2) 實(shí)現(xiàn)接口 RawComparator。

上面兩種實(shí)現(xiàn)方式,在Job中,可以通過setSortComparatorClass()方法來設(shè)置Key的比較類。

job.setSortComparatorClass(KeyComparator.Class);

注意:如果沒有使用自定義的SortComparator類,則默認(rèn)使用Key中compareTo()方法對(duì)Key排序。

4、定義分組類函數(shù)

在Reduce階段,構(gòu)造一個(gè)與 Key 相對(duì)應(yīng)的 Value 迭代器的時(shí)候,只要first相同就屬于同一個(gè)組,放在一個(gè)Value迭代器。定義這個(gè)比較器,可以有兩種方式。

1) 繼承 WritableComparator。

public static class GroupingComparator extends WritableComparator

必須有一個(gè)構(gòu)造函數(shù),并且重載以下方法。

public int compare(WritableComparable w1, WritableComparable w2)

2) 實(shí)現(xiàn)接口 RawComparator。

上面兩種實(shí)現(xiàn)方式,在 Job 中,可以通過 setGroupingComparatorClass()方法來設(shè)置分組類。

job.setGroupingComparatorClass(GroupingComparator.Class);

另外注意的是,如果reduce的輸入與輸出不是同一種類型,則 Combiner和Reducer 不能共用 Reducer 類,因?yàn)?/p>

Combiner 的輸出是 reduce 的輸入。除非重新定義一個(gè)Combiner。

3、代碼實(shí)現(xiàn)

Hadoop的example包中自帶了一個(gè)MapReduce的二次排序算法,下面對(duì) example包中的二次排序進(jìn)行改進(jìn)

package com.buaa;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.io.WritableComparable;
/** 
* @ProjectName SecondarySort
* @PackageName com.buaa
* @ClassName IntPair
* @Description 將示例數(shù)據(jù)中的key/value封裝成一個(gè)整體作為Key,同時(shí)實(shí)現(xiàn) WritableComparable接口并重寫其方法
* @Author 劉吉超
* @Date 2016-06-07 22:31:53
*/
public class IntPair implements WritableComparable<IntPair>{
  private int first;
  private int second;
  public IntPair(){
  }
  public IntPair(int left, int right){
    set(left, right);
  }
  public void set(int left, int right){
    first = left;
    second = right;
  }
  @Override
  public void readFields(DataInput in) throws IOException{
    first = in.readInt();
    second = in.readInt();
  }
  @Override
  public void write(DataOutput out) throws IOException{
    out.writeInt(first);
    out.writeInt(second);
  }
  @Override
  public int compareTo(IntPair o)
  {
    if (first != o.first){
      return first < o.first ? -1 : 1;
    }else if (second != o.second){
      return second < o.second ? -1 : 1;
    }else{
      return 0;
    }
  }
  @Override
  public int hashCode(){
    return first * 157 + second;
  }
  @Override
  public boolean equals(Object right){
    if (right == null)
      return false;
    if (this == right)
      return true;
    if (right instanceof IntPair){
      IntPair r = (IntPair) right;
      return r.first == first && r.second == second;
    }else{
      return false;
    }
  }
  public int getFirst(){
    return first;
  }
  public int getSecond(){
    return second;
  }
}
package com.buaa;
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.WritableComparable;
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.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
/** 
* @ProjectName SecondarySort
* @PackageName com.buaa
* @ClassName SecondarySort
* @Description TODO
* @Author 劉吉超
* @Date 2016-06-07 22:40:37
*/
@SuppressWarnings("deprecation")
public class SecondarySort {
  public static class Map extends Mapper<LongWritable, Text, IntPair, IntWritable> {
    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
      String line = value.toString();
      StringTokenizer tokenizer = new StringTokenizer(line);
      int left = 0;
      int right = 0;
      if (tokenizer.hasMoreTokens()) {
        left = Integer.parseInt(tokenizer.nextToken());
        if (tokenizer.hasMoreTokens())
          right = Integer.parseInt(tokenizer.nextToken());
        context.write(new IntPair(left, right), new IntWritable(right));
      }
    }
  }
  /*
   * 自定義分區(qū)函數(shù)類FirstPartitioner,根據(jù) IntPair中的first實(shí)現(xiàn)分區(qū)
   */
  public static class FirstPartitioner extends Partitioner<IntPair, IntWritable>{
    @Override
    public int getPartition(IntPair key, IntWritable value,int numPartitions){
      return Math.abs(key.getFirst() * 127) % numPartitions;
    }
  }
  /*
   * 自定義GroupingComparator類,實(shí)現(xiàn)分區(qū)內(nèi)的數(shù)據(jù)分組
   */
  @SuppressWarnings("rawtypes")
  public static class GroupingComparator extends WritableComparator{
    protected GroupingComparator(){
      super(IntPair.class, true);
    }
    @Override
    public int compare(WritableComparable w1, WritableComparable w2){
      IntPair ip1 = (IntPair) w1;
      IntPair ip2 = (IntPair) w2;
      int l = ip1.getFirst();
      int r = ip2.getFirst();
      return l == r ? 0 : (l < r ? -1 : 1);
    }
  }
  public static class Reduce extends Reducer<IntPair, IntWritable, Text, IntWritable> {
    public void reduce(IntPair key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
      for (IntWritable val : values) {
        context.write(new Text(Integer.toString(key.getFirst())), val);
      }
    }
  }
  public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
    // 讀取配置文件
    Configuration conf = new Configuration();
    // 判斷路徑是否存在,如果存在,則刪除  
    Path mypath = new Path(args[1]); 
    FileSystem hdfs = mypath.getFileSystem(conf); 
    if (hdfs.isDirectory(mypath)) { 
      hdfs.delete(mypath, true); 
    } 
    Job job = new Job(conf, "secondarysort");
    // 設(shè)置主類
    job.setJarByClass(SecondarySort.class);
    // 輸入路徑
    FileInputFormat.setInputPaths(job, new Path(args[0]));
    // 輸出路徑
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    // Mapper
    job.setMapperClass(Map.class);
    // Reducer
    job.setReducerClass(Reduce.class);
    // 分區(qū)函數(shù)
    job.setPartitionerClass(FirstPartitioner.class);
    // 本示例并沒有自定義SortComparator,而是使用IntPair中compareTo方法進(jìn)行排序 job.setSortComparatorClass();
    // 分組函數(shù)
    job.setGroupingComparatorClass(GroupingComparator.class);
    // map輸出key類型
    job.setMapOutputKeyClass(IntPair.class);
    // map輸出value類型
    job.setMapOutputValueClass(IntWritable.class);
    // reduce輸出key類型
    job.setOutputKeyClass(Text.class);
    // reduce輸出value類型
    job.setOutputValueClass(IntWritable.class);
    // 輸入格式
    job.setInputFormatClass(TextInputFormat.class);
    // 輸出格式
    job.setOutputFormatClass(TextOutputFormat.class);
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

總結(jié)

以上所述是小編給大家介紹的hadoop二次排序的原理和實(shí)現(xiàn)方法,希望對(duì)大家有所幫助,如果大家有任何疑問歡迎給我留言,小編會(huì)及時(shí)回復(fù)大家的!

相關(guān)文章

  • IDEA開啟Run Dashboard的配置詳解

    IDEA開啟Run Dashboard的配置詳解

    這篇文章主要介紹了IDEA開啟Run Dashboard的配置詳解,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-06-06
  • SVN與Git版本控制的優(yōu)缺點(diǎn)差異全面分析

    SVN與Git版本控制的優(yōu)缺點(diǎn)差異全面分析

    這篇文章主要為大家介紹了SVN與Git版本控制的優(yōu)缺點(diǎn)差異全面分析,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2022-04-04
  • 一文詳解軟件測(cè)試需求分析是什么

    一文詳解軟件測(cè)試需求分析是什么

    需求分析是掌握被測(cè)系統(tǒng)的過程,一般測(cè)試和開發(fā)人員都要進(jìn)行需求分析,測(cè)試方做的需求分析稱為測(cè)試需求分析,這篇文章主要給大家介紹了關(guān)于軟件測(cè)試需求分析的相關(guān)資料,需要的朋友可以參考下
    2007-04-04
  • MobaXterm詳細(xì)使用圖文教程(MobaXterm連接Linux服務(wù)器)

    MobaXterm詳細(xì)使用圖文教程(MobaXterm連接Linux服務(wù)器)

    這篇文章主要介紹了MobaXterm詳細(xì)使用教程,介紹一下如何設(shè)置并用MobaXterm來連接Linux服務(wù)器,本文介紹了三種連接方式:SSH,F(xiàn)TP,serial,以及幾個(gè)有用的設(shè)置和命令,需要的朋友可以參考下
    2023-05-05
  • JetPack開發(fā)中使用CameraX完成拍照和拍視頻功能

    JetPack開發(fā)中使用CameraX完成拍照和拍視頻功能

    CameraX 是一個(gè) Google 推出的 JetPack 組件。今天給大家分享JetPack之使用CameraX完成拍照和拍視頻,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友參考下吧
    2020-06-06
  • APAP?ALV進(jìn)階寫法及優(yōu)化詳解

    APAP?ALV進(jìn)階寫法及優(yōu)化詳解

    這篇文章主要為大家介紹了APAP?ALV進(jìn)階寫法及優(yōu)化詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2022-09-09
  • 互聯(lián)網(wǎng)科技大佬推薦的12本必讀書籍

    互聯(lián)網(wǎng)科技大佬推薦的12本必讀書籍

    12本互聯(lián)網(wǎng)科技大佬推薦的必讀書籍,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2018-03-03
  • 設(shè)計(jì)引導(dǎo)--一個(gè)鴨子游戲引發(fā)的設(shè)計(jì)理念(多態(tài),繼承,抽象,接口,策略者模式)

    設(shè)計(jì)引導(dǎo)--一個(gè)鴨子游戲引發(fā)的設(shè)計(jì)理念(多態(tài),繼承,抽象,接口,策略者模式)

    設(shè)計(jì)引導(dǎo)--一個(gè)鴨子游戲引發(fā)的設(shè)計(jì)多態(tài),繼承,抽象,接口,策略者模式;這篇博文是從實(shí)際生活中,提煉出來的設(shè)計(jì)理念,它現(xiàn)在是骨架,現(xiàn)在我加以代碼實(shí)例,完成程序的血肉,以求讓大家活生生的體會(huì)設(shè)計(jì)中的精髓
    2013-01-01
  • Ollama整合open-webui的步驟及訪問

    Ollama整合open-webui的步驟及訪問

    這篇文章主要介紹了如何通過源碼方式安裝OpenWebUI,并詳細(xì)說明了安裝步驟、環(huán)境要求以及第一次使用時(shí)的賬號(hào)注冊(cè)和模型選擇過程,需要的朋友可以參考下
    2025-02-02
  • 本地部署DeepSeek開源多模態(tài)大模型Janus-Pro-7B實(shí)操教程

    本地部署DeepSeek開源多模態(tài)大模型Janus-Pro-7B實(shí)操教程

    文章介紹了Janus-Pro-7B,一個(gè)由DeepSeek開發(fā)的開源多模態(tài)AI模型,它在文本和圖像處理方面表現(xiàn)出色,并且具有強(qiáng)大的性能和靈活性,詳細(xì)介紹了如何在本地環(huán)境中部署Janus-Pro-7B,并展示了其在圖像理解和生成、文本生成、多模態(tài)推理等任務(wù)中的應(yīng)用效果,感興趣的朋友一起看看吧
    2025-02-02

最新評(píng)論

屯留县| 探索| 安岳县| 正宁县| 虹口区| 河北省| 含山县| 枝江市| 平顶山市| 平陆县| 长泰县| 电白县| 米林县| 嘉峪关市| 望奎县| 黑龙江省| 乳山市| 巩义市| 临江市| 连南| 五指山市| 枣庄市| 乌兰浩特市| 奉新县| 嫩江县| 松桃| 宜阳县| 炉霍县| 兴和县| 田东县| 乌恰县| 鄂伦春自治旗| 峨边| 丰县| 徐闻县| 肃北| 文水县| 新密市| 海阳市| 泸溪县| 孟津县|