天富娱乐登录体育真人 Hadoop如何实现二次排序？【大数据面试题】

问题分析

即对key和value双排序。默认情况下，Map输出的结果会对Key进行默认的排序，但是有时候需要对Key排序的同时还需要对Value进行排序，这时候就要用到二次排序了。

核心答案讲解

有两种方法进行二次排序，分别为：buffer and in memory sort和 value-to-key conversion。
buffer and in memory sort
主要思想是：在reduce()函数中，将某个key对应的所有value保存到内存中，然后进行排序。 这种方法最大的缺点是：可能会造成out of memory。

value-to-key conversion
主要思想是：将key和部分value拼接成一个组合key（实现WritableComparable接口或者调用 setSortComparatorClass函数），这样reduce获取的结果便是先按key排序，后按value排序的结果，需要注意的是，用户需 要自己实现Paritioner，以便只按照key进行数据划分。Hadoop显式的支持二次排序，在Configuration类中有个 setGroupingComparatorClass()方法，可用于设置排序被group的key值。

问题扩展

MapReduce：写Mapreduce进行数据处理，需要利用java、python等语言进行开发调试，如果没有一项技术（如 Java）基础，几乎不可能学会 MapReduce。

Hive：Hive 构建于传统的数据库和数据仓库理念之上。它对待数据的方式就像是它有一个基于 SQL 或基于架构的结构。Apache Hive提供了一种更具体和更高级的语言，通过运行Hadoop作业来查询数据，而不是直接编写脚本来逐步操作Hadoop上的几个MapReduce作业。Hive的初步设计思路在于提供与SQL类似的使用体验，开发人员只需要掌握Sql相关的知识就可以使用。

项目应用

在大数据的复杂统计分析中，可以使用Hive的SQL功能来实现排序等不同的算法，降低入门难度，提高研发效率。

猜你喜欢：

Hadoop集群有几种部署模式？各种模式有什么特点？

Hadoop安装教程，8大安装目录的内容和作用分别是什么？

hadoop大数据开发培训机构推荐

Hadoop实现join的有几种方法？【大数据面试题】

传智教育Python+大数据开发培训