标签：style class blog java tar ext
1、对于排名，一般都是很热衷的，那么如何实现在数据量多的情况下，得到所需要的数据呢，选取前几名的实际应用中，也会有许多，形成统一的算法实现，比着参考就可以了。
2、数据文件a.txt：
2
4
6
7
9
6
4
3、输出数据为（例如取前三名，前面为数据，后面为名次，名次可通过输入参数配置）：
9 1
7 2
6 3
4、设计思路：
Map端：
1）因为是topK问题，自然想到可以自己设计key，重写比较方法，按自己所想要的比较方法实现即可。
2）map端输出，仅需输出最后的n个最大数即可，所以需要在最后的那个cleanup方法里实现，通过一个成员变量list保存数据。
3）最后输出此list中的数据即可
4)list为自定义的一个容器，在往里面添加元素的时候，会进行比较。
5）在这个例子中，没有使用list，而是直接采用map的suffle对key进行的排序。一个map的输出量会很多。下一篇优化里面使用了list
Reduce端：
1） 类似一个map，只针对key进行处理即可，输出前n的数值（此n个key已是经过suffle排过序的，取前n个即可，其它丢弃）。
5、程序实现：
package test;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.WritableComparable;
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 TopK {
public static class Map extends Mapper<Object, Text, MyKey, NullWritable>{
//此处可以进行优化，只需输出此map处理的最大的那几个值即可。
protected void map(Object key, Text value, Context context)
throws java.io.IOException ,InterruptedException {
try {
int num = Integer.parseInt(value.toString());
context.write(new MyKey(num), NullWritable.get());
} catch (Exception e) {
// TODO: handle exception
return ;
}
};
}
public static class Reduce extends Reducer<MyKey, NullWritable, Text, NullWritable>{
private static Text k = new Text();
//默认值，获取的个数
private static int count = 5;
//开始值
private static int start = 1;
//初始化时获取配置的参数
protected void setup(Context context)
throws IOException ,InterruptedException {
//取得配置的参数，需要获取几个值
count = Integer.parseInt(context.getConfiguration().get("top_num"));
};
protected void reduce(MyKey key, Iterable<NullWritable> values, Context context)
throws IOException ,InterruptedException {
//因为key是排序过来的，所以输出count个值就可以了
if(start <= count){
k.set(key.getNum()+"\t"+start);
context.write(k, NullWritable.get());
start++;
}
};
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
if(otherArgs.length != 3){
System.err.println("Usage:TopK");
System.exit(2);
}
//参数3 为要获取的最大个数
conf.set("top_num", args[2]);
Job job = new Job(conf, "TopK");
job.setJarByClass(TopK.class);
job.setMapperClass(Map.class);
job.setReducerClass(Reduce.class);
job.setMapOutputKeyClass(MyKey.class);
job.setMapOutputValueClass(NullWritable.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(NullWritable.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
private static class MyKey implements WritableComparable<MyKey>{
private int num;
public int getNum() {
return num;
}
public MyKey() {
}
public MyKey(int num) {
super();
this.num = num;
}
@Override
public void readFields(DataInput in) throws IOException {
// TODO Auto-generated method stub
num = in.readInt();
}
@Override
public void write(DataOutput out) throws IOException {
// TODO Auto-generated method stub
out.writeInt(num);
}
@Override
public int compareTo(MyKey o) {
// TODO Auto-generated method stub
//反序输出
return o.num - this.num;
}
}
}
计算结果：
9 1
7 2
6 3
hadoop1-TopK问题实现,布布扣,bubuko.com
标签：style class blog java tar ext
原文地址：http://www.cnblogs.com/jsunday/p/3807326.html
