标签：文件 WritableComparable 阈值 key 磁盘 排序 数据

1. 排序概述

排序时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，再对缓冲区中的数据进行一次快速排序， 并将这些有序数据溢写到磁盘上，而当数据处理完毕后,它会对磁盘上所有文件进行归并序。

对ReduceTask，它从每个MapTak 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 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，ReduceTax统一对内存和磁盘上的所有数据进行一次归并排序。

2. 排序分类

（1）部分排序

   MapReduce根据输入记录的键对数据集排序，保证输出的每一个文件内部有序。

（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所提供的框架。

（3）辅助排序（GroupingComparator分组）

   在Reduce端进行对key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中的判断条件为两份即为二次排序。

标签：文件,WritableComparable,阈值,key,磁盘,排序,数据
来源： https://www.cnblogs.com/xiao-wang-tong-xue/p/16512258.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。