mapreduce 二次排序

本文详细介绍了如何在MapReduce框架下实现二次排序,包括自定义排序类、mapper和reducer任务类、分区类、分组函数类的实现,以及主程序加载类的设置。通过具体代码示例,展示了如何对输入数据进行排序和分组,以达到预期的二次排序效果。

目标: 

 

输入数据:

  1. sort1   1  
  2. sort2   3  
  3. sort2   88  
  4. sort2   54  
  5. sort1   2  
  6. sort6   22  
  7. sort6   888  
  8. sort6   58

 

 

 

       输出数据:

 

  1. sort1   1,2  
  2. sort2   3,54,88  
  3. sort6   22,58,888  

既然是二次排序,所以上述的输入数据必须在同一分区中,不然达不到我们想要的二次排序效果。MapReduce框架默认是对key进行排序的,这里我们需要自定义排序方法对key进行排序。

 

先理解MapReduce处理数据的流程:

(这是在另一个大神的博客看到的     http://blog.youkuaiyun.com/lzm1340458776/article/details/42875751)

 

我们应该先深刻的理解MapReduce处理数据的整个流程,这是最基础的,不然的话是不可能找到解决问题的思路的。我描述一下MapReduce处理数据的大概流程:首先,MapReduce框架通过getSplits()方法实现对原始文件的切片之后,每一个切片对应着一个MapTask,InputSplit输入到map()函数进行处理,中间结果经过环形缓冲区的排序,然后分区、自定义二次排序(如果有的话)和合并,再通过Shuffle操作将数据传输到reduce Task端,reduce端也存在着缓冲区,数据也会在缓冲区和磁盘中进行合并排序等操作,然后对数据按照key值进行分组,然后每处理完一个分组之后就会去调用一次reduce()函数,最终输出结果。大概流程 我画了一下,如下图:

大概解决思路:

map端排序:

首先将输入数据放到同一分区中并对其进行排序,因为MapReduce排序只对key进行排序,所以我们需要一个组合key,以[key,value]的形式输入,map输入的数据类型结构大概为{[key,value],value}:

 

  1. {[sort1,1],1}  
  2. {[sort2,3],3}  
  3. {[sort2,88],88}  
  4. {[sort2,54],54}  
  5. {[sort1,2],2}  
  6. {[sort6,22],22}  
  7. {[sort6,888],888}  
  8. {[sort6,58],58}  

温馨提示:请务必保证map端排序结果正确,不然不管怎么分组都得不到你想要的结果(本人就踩过这坑,费了好长时间才找到原因)。

 

map端排序后的结果应该如下:

 

  1. sort1:1,
    sort1:2,
    sort2:3,
    sort2:54,
    sort2:88,
    sort6:22,
    sort6:58,
    sort6:888,
  2.   

reduce端分组:

 

前面提到过,reduce方法执行的次数是由分组数决定的。在reduce端按组合key的第一个字段进行分组,然后再对对应的value值进行相应的处理则可以达到我们想要的结果。

 

  1. sort1   1,2  
  2. sort2   3,54,88  
  3. sort6   22,58,888  

 

 

 

 

具体的代码实现如下:

自定义排序类:

 

package com.secondSortJob;

import com.sun.deploy.util.ArrayUtil;
import org.apache.commons.lang.ArrayUtils;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.WritableComparable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;


/**
 * Created by Administrator on 2018/1/28 0028.
 */
public class SecondKeySort implements WritableComparable<SecondKeySort> {
    private Text key = new Text();
    private IntWritable count = new IntWritable();

    public SecondKeySort(Text key, IntWritable count) {
        this.key = key;
        this.count = count;
    }

    public SecondKeySort() {
    }

    public Text getKey() {

        return key;
    }

    public void setKey(Text key) {
        this.key = key;
    }

    public IntWritable getCount() {
        return count;
    }

    public void setCount(IntWritable count) {
        this.count = count;
    }

    public void write(DataOutput dataOutput) throws IOException {
//        new Text("["+this.key.toString()+","+this.count.toString()+"]");
        this.key.write(dataOutput);
        this.count.write(dataOutput);
    }

    public void readFields(DataInput dataInput) throws IOException {
        this.key.readFields(dataInput);
        this.count.readFields(dataInput);
    }

    public int compareTo(SecondKeySort o) {
        String keyStr1 = this.key.toString().substring(0,this.key.toString().length());
        String keyStr2 = o.getKey().toString().substring(0,o.getKey().toString().length());

        String[] keyStr1Arr = keyStr1.split("\t");
        String[] keyStr2Arr = keyStr2.split("\t");

        String keyStr1Text = keyStr1Arr [0];
        String keyStr2Text = keyStr2Arr [0];

        if(!keyStr1Text.equals(keyStr2Text)){
            System.out.println(keyStr1Text.compareTo(keyStr2Text));
            return keyStr1Text.compareTo(keyStr2Text) ;
        }else{
            return  Integer.parseInt(this.count.toString()) - Integer.parseInt(o.getCount().toString()) ;
        }
    }

    @Override
    public String toString() {
        return  this.key.toString() +"\t" +this.count.toString();
    }

}

mapper任务类:

 

 

package com.secondSortJob;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * Created by Administrator on 2018/1/28 0028.
 */
public class SecondSortMapper extends Mapper<LongWritable ,Text,SecondKeySort,IntWritable> {
    private SecondKeySort secondKeySort = new SecondKeySort();
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String[] arrs = value.toString().split("\t");
        secondKeySort.setKey(new Text(arrs[0]));
        secondKeySort.setCount(new IntWritable(Integer.parseInt(arrs[1].trim())));
        context.write(secondKeySort,new IntWritable(Integer.parseInt(arrs[1].trim())));
        System.out.println(secondKeySort.toString()+"  "+arrs[1]);
    }
}

 

reduce任务类:

package com.secondSortJob;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;


/**
 * Created by Administrator on 2018/1/28 0028.
 */
public class SecondSortReducer extends Reducer<SecondKeySort,IntWritable,Text,NullWritable> {
    @Override
    protected void reduce(SecondKeySort key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        System.out.println("reduce action");
        String str = key.getKey().toString() +":";
        while (values.iterator().hasNext()){

            str = str + values.iterator().next()+",";
        }
        context.write(new Text(str),NullWritable.get());
    }
}

自定义分区类:(保证输入数据在同一个分区,分区数和Reduce任务数相等)

 

 

package com.secondSortJob;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapreduce.Partitioner;


/**
 * Created by Administrator on 2018/1/29 0029.
 */
public class GroupingPartitioner extends Partitioner<SecondKeySort,IntWritable> {
    public int getPartition(SecondKeySort secondKeySort, IntWritable intWritable, int i) {
        return secondKeySort.getKey().toString().hashCode()%i ;
    }
}

 

分组函数类:(可以实现RawComparator接口,也可以继承WritableComparator类)

 

package com.secondSortJob;

import org.apache.hadoop.io.RawComparator;
import org.apache.hadoop.io.WritableComparator;

/**
 * Created by Administrator on 2018/1/28 0028.
 */
public class GroupingComparator implements RawComparator<SecondKeySort> {
    public int compare(byte[] bytes, int i, int i1, byte[] bytes1, int i2, int i3) {
        int compareBytes = WritableComparator.compareBytes(bytes, i, 8, bytes1, i2, 8);
        return compareBytes;
    }
    public int compare(SecondKeySort o1, SecondKeySort o2) {
        return o1.getKey().compareTo(o2.getKey());
    }
}

 

 

 

 

 

主程序加载类:

 

package com.secondSortJob;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;
import java.net.URI;

/**
 * 二次排序
 * Created by Administrator on 2018/1/28 0028.
 */
public class SecondSortJob {
    private  static     Configuration configuration = new Configuration();
    private  static     String master = "hdfs://192.168.8.222";
    private  static      String masterFS = "hdfs://192.168.8.222:9000";
    private    static      FileSystem fs = null ;

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        configuration.set("yarn.resourcemanager.hostname",master);
        fs =  FileSystem.get(URI.create(masterFS),configuration);
        Job job = Job.getInstance(configuration);

        String inputPath = "/lsw/secondSort.txt";
        String secondSortResult = "/lsw/secondSortResult" ;


        if(fs.isDirectory(new Path(masterFS+secondSortResult)))
            fs.delete(new Path(masterFS+secondSortResult));

        job.setMapOutputKeyClass(SecondKeySort.class);
        job.setMapOutputValueClass(IntWritable.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(NullWritable.class);

        job.setJarByClass(SecondSortJob.class);
        job.setMapperClass(SecondSortMapper.class);
        job.setReducerClass(SecondSortReducer.class);

        job.setPartitionerClass(GroupingPartitioner.class);
        job.setGroupingComparatorClass(GroupingComparator.class);
//        job.setNumReduceTasks(3);
        FileInputFormat.addInputPath(job,new Path(masterFS+inputPath));
        FileOutputFormat.setOutputPath(job,new Path(masterFS+secondSortResult));

        job.waitForCompletion(true);
    }
}

 

 

 

## 软件功能详细介绍 1. **文本片段管理**:可以添加、编辑、删除常用文本片段,方便快速调用 2. **分组管理**:支持创建多个分组,不同类型的文本片段可以分类存储 3. **热键绑定**:为每个文本片段绑定自定义热键,实现一键粘贴 4. **窗口置顶**:支持窗口置顶功能,方便在其他应用程序上直接使用 5. **自动隐藏**:可以设置自动隐藏,减少桌面占用空间 6. **数据持久化**:所有配置和文本片段会自动保存,下次启动时自动加载 ## 软件使用技巧说明 1. **快速添加文本**:在文本输入框中输入内容后,点击"添加内容"按钮即可快速添加 2. **批量管理**:可以同时编辑多个文本片段,提高管理效率 3. **热键冲突处理**:如果设置的热键与系统或其他软件冲突,会自动提示 4. **分组切换**:使用分组按钮可以快速切换不同类别的文本片段 5. **文本格式化**:支持在文本片段中使用换行符和制表符等格式 ## 软件操作方法指南 1. **启动软件**:双击"大飞哥软件自习室——快捷粘贴工具.exe"文件即可启动 2. **添加文本片段**: - 在主界面的文本输入框中输入要保存的内容 - 点击"添加内容"按钮 - 在弹出的对话框中设置热键和分组 - 点击"确定"保存 3. **使用热键粘贴**: - 确保软件处于运行状态 - 在需要粘贴的位置按下设置的热键 - 文本片段会自动粘贴到当前位置 4. **编辑文本片段**: - 选中要编辑的文本片段 - 点击"编辑"按钮 - 修改内容或热键设置 - 点击"确定"保存修改 5. **删除文本片段**: - 选中要删除的文本片段 - 点击"删除"按钮 - 在确认对话框中点击"确定"即可删除
在全球电动汽车产业快速扩张的背景下,充电基础设施的规划与运营效率成为影响交通能源转型的关键环节。充电站作为电动汽车能源补给的核心节点,其电力负荷的波动特性直接关系到电网稳定与用户服务体验。因此,构建精确的负荷预测模型已成为提升充电网络智能化管理水平的重要基础。 为支持相关研究与应用开发,专门针对充电站电力消耗预测所构建的数据集合,系统整合了多维度变量,旨在揭示负荷变化的潜在规律。这类数据通常涵盖以下结构化信息:时序用电记录,以固定间隔(如每小时或每日)记载充电站总能耗;充电过程明细,包括各充电单元的功率曲线、充电持续时间及结束时刻;用户行为特征,例如用户群体分类、充电周期规律与时段偏好;外部环境参数,如气象指标(气温、降水、风力)及法定假期安排,这些因素共同作用于出行需求与充电决策;站点属性数据,涉及地理位置、充电设备型号与规模、服务容量上限等,用于评估站点运行效能。 数据质量与覆盖范围显著影响预测算法的可靠性。完备且精准的数据有助于识别负荷波动的驱动要素,进而支持电网侧与运营侧的协同优化。例如,基于负荷预测结果,运营商可实施动态定价机制,引导用户在低谷时段充电,以平抑电网峰值压力;电力部门则可依据预测趋势提前规划配电网络扩容,保障供电安全。 当前,随着机器学习与人工智能方法的不断成熟,将其引入充电负荷预测领域,不仅能够提升模型预测精度,还可推动充电站运营向自动化、自适应方向演进,从而促进电动汽车生态体系的长期可持续发展。总体而言,充电站负荷预测数据集为学术研究与工程实践提供了关键的数据基础,助力实现负荷精准预估、资源优化配置与能源高效利用,进一步加速电动汽车的规模化应用。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值