2.0 数据排序

"数据排序"是许多实际任务执行时要完成的第一项工作，比如学生成绩评比、数据建立索引等。这个实例和数据去重类似，都是先对原始数据进行初步处理，为进一步的数据操作打好基础。

2.1 实例描述

输入文件中的每行内容均为一个数字，即一个数据。要求在输出中每行有两个间隔的数字，其中，第一个代表原始数据在原始数据集中的位次，第二个代表原始数据。

　　a.txt

　　7

　　4

　　3

　　b.txt

　　4

　　2

　　样例输出：

　　1　　2

　　2　　3

　　3　　4

　　4　　7

 

2.2 设计思路

 

仅仅要求对输入数据进行排序，熟悉MapReduce过程的读者会很快想到在MapReduce过程中就有排序，是否可以利用这个默认的排序，而不需要自己再实现具体的排序呢？答案是肯定的。

 

首先需要了解它的默认排序规则。它是按照key值进行排序的，如果key为封装int的IntWritable类型，那么MapReduce按照数字大小对key排序，如果key为封装为String的Text类型，那么MapReduce按照字典顺序对字符串排序。

 

输出的key（即代码中的linenum）是一个全局变量，它统计当前key的位次。需要注意的是这个程序中没有配置Combiner，也就是在MapReduce过程中不使用Combiner。这主要是因为使用map和reduce就已经能够完成任务了。

 

2.3 程序代码

 

    程序代码如下所示：

　　

package test;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
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;

public class Sort{
	
	public static class Map extends Mapper<Object, Text, IntWritable, NullWritable>{
		private static IntWritable data = new IntWritable();
		
		protected void map(Object key, Text value, Context context) 
				throws java.io.IOException ,InterruptedException {
			//设置数据
			data.set(Integer.parseInt(value.toString()));
			context.write(data, NullWritable.get());
		};
	}
	public static class Reduce extends Reducer<IntWritable, NullWritable, IntWritable, IntWritable>{
		private static IntWritable lineNum = new IntWritable(1);
		
		protected void reduce(IntWritable key, Iterable<NullWritable> values, Context context) 
				throws java.io.IOException ,InterruptedException {
			context.write(lineNum, key);
			lineNum.set(lineNum.get() + 1);
		};
	}
	
	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();
		String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
		if(otherArgs.length != 2){
			System.err.println("Usage: Data Sort!");
			System.exit(2);
		}
		
		Job job = new Job(conf, "Data Sort");
		job.setJarByClass(Sort.class);
		//设置Map和Reduce
		job.setMapperClass(Map.class);
		job.setReducerClass(Reduce.class);
		//设置Map的输入和输出类，默认不是这个，否则提示类型Unmismattch
		job.setMapOutputKeyClass(IntWritable.class);
		job.setMapOutputValueClass(NullWritable.class);
		//设置Reduce端的输入和输出类
		job.setOutputKeyClass(IntWritable.class);
		job.setOutputValueClass(IntWritable.class);
		//设置输入和输出目录
		FileInputFormat.addInputPath(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job, new Path(args[1]));
		
		System.exit(job.waitForCompletion(true) ? 0 :1);
	}
}

 2.4 准备数据，上传到hdfs的/input目录下

 2.5 myeclipse设置程序的参数 /input /output ,运行程序

 2.6 输出结果：

　　1　　2

　　2　　3

　　3　　4

　　4　　7

over