WritableComparable 排序

一、排序概述

排序是MapReduce框架中最重要的操作之一
MapTask和ReduceTask均会对数据按照key进行排序，该操作属于Hadoop的默认行为，任何应用程序中的数据均会被排序，而不管逻辑上是否需要
默认排序是按照字典顺序排序，且实现该排序的方法是快速排序
对于MapTask，它会将处理的结果暂时放到环形缓冲区中，当环形缓冲区使用率达到一定阈值后，再对缓冲区的数据进行一次快速排序，并将那些有效数据溢写到磁盘上，而当数据处理完毕后，它会对磁盘上所有文件进行归并排序
对于ReduceTask，它从每个MapTask上远程拷贝相应的数据文件，如果文件大小超过一定阈值，则溢写到磁盘上，否则存储在内存中，如果磁盘上文件数目达到一定阈值，则进行一次归并排序，以生成一个更大文件；如果内存中文件大小或者数目超过一定阈值，则进行一次合并后将数据溢写到磁盘上，当所有数据拷贝完毕后，ReduceTask统一对内存和磁盘上的所有数据进行一次归并排序。

1、排序分类

(1) 部分排序
MapReduce根据输入记录的键对数据集排序，保证输出的每个文件内部有序。
(2) 全排序
最终输出结果只有一个文件，且文件内部有序，实现方式是只设置一个ReduceTask。但该方法在处理大型文件时效率极低，因为一台机器处理所有文件，完全丧失了MapReduce所提供的并行架构。
(3) 辅助排序：(GroupingComparator分组)
在Reduce端对key进行分组，应用于：在接收的key为bean对象时，想让一个或几个字段相同(全部字段比较不相同)的key进入到同一个reduce方法时，可以采用分组排序
(4) 二次排序
在自定义排序过程中，如果compareTo中的判断条件为两个即二次排序，如果是三个条件则为三次排序，依次类推

2、自定义排序

(1)、原理分析

bean对象作为key传输，需要实现WritableComparable接口重写compareTo方法，就可以实现排序

@Override
public int compareTo(FlowBean o){
		int result;
		//按照总流量大小，倒序排序
		if(sumFlow>bean.getSumFlow){
				result = -1;
		}else if(sumFlow<bean.getSumFlow()){
				result = 1;
		}else{
				result = 0;
	}
	return result;
}

二、WritableComparable 排序案例(全排序)

1、需求

根据上一个序列化案例的结果对总流量进行排序

期望得到的数据 是这样的总流量这个字段进行倒序排序

@Override
public int compareTo(FlowBean o){
		//倒序排列，按照流量总量从大到小
		return this.sumFlow > o.getSumFlow() ? -1:1;
}