源码中有这样一段代码
1. map端排序获取的比较器
|
1
2
3
4
5
6
7
8
9
10
11
12
|
public rawcomparator getoutputkeycomparator() {
// 获取mapreduce.job.output.key.comparator.class，必须是rawcomparator类型，如果没设置，是null
class<? extends rawcomparator> theclass = getclass(
jobcontext.key_comparator, null, rawcomparator.class);
// 如果用户自定义了这个参数，那么实例化用户自定义的比较器
if (theclass != null)
return reflectionutils.newinstance(theclass, this);
// 默认情况，用户是没用自定义这个参数
// 判断map输出的key，是否是writablecomparable的子类
// 如果是，调用当前类的内部的comparator!
return writablecomparator.get(getmapoutputkeyclass().assubclass(writablecomparable.class), this);
}
|
总结： 如何对感兴趣的数据进行排序？
① 数据必须作为key
② 排序是框架自动排序，我们提供基于key的比较器，也就是comparator，必须是rawcomparator类型
a) 自定义类，实现rawcomparator，重写compare()
指定mapreduce.job.output.key.comparator.class为自定义的比较器类型
b）key实现writablecomparable(推荐)
③ 实质都是调用相关的comparato()方法，进行比较
2. reduce端进行分组的比较器
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
rawcomparator comparator = job.getoutputvaluegroupingcomparator();
// 获取mapreduce.job.output.group.comparator.class，必须是rawcomparator类型
// 如果没用设置，直接获取maptask排序使用的比较器
// 也是比较key
public rawcomparator getoutputvaluegroupingcomparator() {
class<? extends rawcomparator> theclass = getclass(
jobcontext.group_comparator_class, null, rawcomparator.class);
if (theclass == null) {
return getoutputkeycomparator();
}
// 如果设置了，就使用设置的比较器
return reflectionutils.newinstance(theclass, this);
}
|
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对服务器之家的支持。如果你想了解更多相关内容请查看下面相关链接
原文链接：https://blog.csdn.net/qq_43193797/article/details/86019761