1、需求
获取每个订单中最贵的商品
用到的知识点：
自定义排序，包括普通排序，二次排序，分组排序
自定义分区
2、数据输入和输出格式
数据输入格式：
每个已售商品一条记录
订单id 商品id 商品价格
0000001 Pdt_01 222.8
0000002 Pdt_06 722.4
0000001 Pdt_05 25.8
0000003 Pdt_01 222.8
0000003 Pdt_01 33.8
0000002 Pdt_03 522.8
0000002 Pdt_04 122.4数据输出格式：
每个订单一个文件，每个文件中显示各自订单最贵的一件商品的信息
3、分析
map阶段：
因为要求每个订单最贵的商品，所以必须根据订单号以及商品价格做二次排序。后面将订单号、商品id，商品价格组合成一个bean对象，作为key，作为map的输出。
自定义分区：
我们的需求是统计出同一订单中，最贵的商品，那么这就要求同一订单的所有商品条目都必须落在同一分区中（这里分区数大于1）才能统计处理，如果在不同分区中，那么是无法统计的，因为不用reduce之间是没有关联的。这里实现方式就是自定义分区，采用订单ID来分区，这样同一订单ID的商品条目就都落在同一个分区中了。而且在map输出自动根据订单id分区的过程中，对key先按照id和price排序，这样其实就是对同一订单的商品中，按照商品价格进行了排序了。
reduce阶段：
前面map输出的数据已经是每个订单中对商品价格进行了排序，在第一个的商品就是该订单中价格最高的商品，后面这里其实只需要取出第一个KV即可。利用自定义group分组排序，将同一订单ID但是不同的商品的KV聚合成一组，因为事实上每组KV的key是不同，而分组中的key是以第一个进入该分组的KV的key为准的，而第一个进入该分组的KV其实就是前面map排序之后得到的同一订单中价格最高的商品的key，所以将其输出即可。
4、代码实现
OrderBean
package GroupOrder;
import lombok.AllArgsConstructor;
import lombok.Getter;
import lombok.NoArgsConstructor;
import lombok.Setter;
import org.apache.hadoop.io.WritableComparable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
@Setter
@Getter
@NoArgsConstructor
@AllArgsConstructor
public class OrderBean implements WritableComparable<OrderBean> {
private int ID;
private String productID;
private double price;
/**
二次排序：先根据id排序，如果相同，则根据商品价格排序
*/
@Override
public int compareTo(OrderBean o) {
if (this.ID > o.getID()) {
return 1;
} else if (this.ID < o.getID()){
return -1;
} else {
return this.price > o.getPrice() ? -1 : 1;
}
}
@Override
public void write(DataOutput dataOutput) throws IOException {
dataOutput.writeInt(this.ID);
dataOutput.writeDouble(this.price);
dataOutput.writeUTF(this.productID);
}
@Override
public void readFields(DataInput dataInput) throws IOException {
this.ID = dataInput.readInt();
this.price = dataInput.readDouble();
this.productID = dataInput.readUTF();
}
@Override
public String toString() {
return this.ID + "/t" + this.productID + "/t" + this.price;
//return this.ID + "/t" + this.price;
}
}map
package GroupOrder;
import org.apache.avro.Schema;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
public class OrderMapper extends Mapper<LongWritable, Text, OrderBean, NullWritable> {
OrderBean k = new OrderBean();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String line = value.toString();
String[] fields = line.split("/t");
k.setID(Integer.parseInt(fields[0]));
k.setProductID(fields[1]);
k.setPrice(Double.parseDouble(fields[2]));
context.write(k, NullWritable.get());
}
}partitioner
package GroupOrder;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Partitioner;
public class OrderPartitioner extends Partitioner<OrderBean, NullWritable> {
//根据订单id进行分区
@Override
public int getPartition(OrderBean orderBean, NullWritable nullWritable, int i) {
return (orderBean.getID() & Integer.MAX_VALUE) % i;
}
}reduce
package GroupOrder;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class OrderReducer extends Reducer<OrderBean, NullWritable, OrderBean, NullWritable> {
@Override
protected void reduce(OrderBean key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {
context.write(key, NullWritable.get());
}
}groupCompartor
package GroupOrder;
import org.apache.hadoop.io.WritableComparable;
import org.apache.hadoop.io.WritableComparator;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
/**
* 定制reduce前group的分组依据
*
*/
public class OrderGroupCompartor extends WritableComparator {
protected OrderGroupCompartor() {
super(OrderBean.class, true);
}
/**
* 以orderbean对象中的ID为分组依据。
* 同一ID的认为是同一个group，一个group只会调用一次reduce
*
* @param a
* @param b
* @return
*/
@Override
public int compare(WritableComparable a, WritableComparable b) {
OrderBean aOrderBean = (OrderBean) a;
OrderBean bOrderBean = (OrderBean) b;
if (aOrderBean.getID() > bOrderBean.getID()) {
return 1;
} else if (aOrderBean.getID() < bOrderBean.getID()) {
return -1;
} else {
return 0;
}
}
}driver
package GroupOrder;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
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;
public class OrderDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
args = new String[]{"G://test//A//GroupingComparator.txt", "G://test//A//comparator6//"};
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
job.setJarByClass(OrderDriver.class);
job.setMapperClass(OrderMapper.class);
job.setReducerClass(OrderReducer.class);
job.setMapOutputKeyClass(OrderBean.class);
job.setMapOutputValueClass(NullWritable.class);
job.setOutputKeyClass(OrderBean.class);
job.setOutputValueClass(NullWritable.class);
//设置分区实现类
job.setPartitionerClass(OrderPartitioner.class);
job.setNumReduceTasks(3);
//设置group的实现类
job.setGroupingComparatorClass(OrderGroupCompartor.class);
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
job.waitForCompletion(true);
}
}原创文章，作者：kepupublish，如若转载，请注明出处：https://blog.ytso.com/192243.html