如何为hadoop实现组比较器？

Question

给定一个名为 KeyLabelDistance 的类，我将其作为 Hadoop 中的键和值传递，我想对其执行二次排序，即我首先要根据键的递增值对键进行排序，然后按递减顺序对键进行排序距离。

为了做到这一点，我需要编写自己的 GroupingComparator。我的问题是，由于 setGroupingComparator() 方法仅将扩展 RawComparator 的类作为参数，我如何在分组比较器中执行此比较字节？我需要显式序列化和反序列化对象吗？ 并且让 KeyLabelDistance 类实现 WritableComparable 如下是否会使对 SortComparator 的需求变得多余？

我从这个答案中得到了 SortComparator 和 GroupComparator 的使用：What are the differences between Sort Comparator and Group Comparator in Hadoop?

以下是KeyLabelDistance的实现：

public class KeyLabelDistance implements WritableComparable<KeyLabelDistance>
    {
        private int key;
        private int label;
        private double distance;
        KeyLabelDistance()
        {
            key = 0;
            label = 0;
            distance = 0;
        }
        KeyLabelDistance(int key, int label, double distance)
        {
            this.key = key;
            this.label = label;
            this.distance = distance;
        }
        public int getKey() {
            return key;
        }
        public void setKey(int key) {
            this.key = key;
        }
        public int getLabel() {
            return label;
        }
        public void setLabel(int label) {
            this.label = label;
        }
        public double getDistance() {
            return distance;
        }
        public void setDistance(double distance) {
            this.distance = distance;
        }

        public int compareTo(KeyLabelDistance lhs, KeyLabelDistance rhs)
        {
            if(lhs == rhs)
                return 0;
            else
            {
                if(lhs.getKey() < rhs.getKey())
                    return -1;
                else if(lhs.getKey() > rhs.getKey())
                    return 1;
                else
                {
                    //If the keys are equal, look at the distances -> since more is the "distance" more is the "similarity", the comparison is counterintuitive
                    if(lhs.getDistance() < rhs.getDistance() )
                        return 1;
                    else if(lhs.getDistance() > rhs.getDistance())
                        return -1;
                    else return 0;
                }
            }
        }
    }

组比较器的代码如下：

public class KeyLabelDistanceGroupingComparator extends WritableComparator{
    public int compare (KeyLabelDistance lhs, KeyLabelDistance rhs)
    {
        if(lhs == rhs)
            return 0;
        else
        {
            if(lhs.getKey() < rhs.getKey())
                return -1;
            else if(lhs.getKey() > rhs.getKey())
                return 1;
            return 0;
        }
    }
}

任何帮助表示赞赏。在此先感谢。

Answer 1

您可以扩展 WritableComparator，后者又实现 RawComparator。您的排序和分组比较器都将扩展 WritableComparator。

如果您不提供这些比较器，hadoop 将在内部最终使用可写对象的 compareTo，这是您的密钥。