MapReduce Job 中的排序在哪里进行？

Question

当我们编写程序时，Hadoop Mapreduce Jobs 中的排序在哪里进行？我发现在我的计划中前进有困难。

Answer 1

排序由Hadoop MapReduce 框架完成。映射器输出传递给减速器的中间（键，值）对。每个 reducer 都按排序顺序获取所有键。

插图：

假设使用了 2 个映射器：

-- mapper1 output
key_a, value_a1
key_b, value_b2
key_c, value_c1
key_d, value_d2

-- mapper2 output
key_a, value_a2
key_b, value_b1
key_d, value_d1
key_d, value_d3

排序和洗牌（Hadoop 框架完成的步骤）将确保中间键按排序键顺序传递给减速器。

假设使用了 2 个减速器：

--- reducer1 input (sorted by keys)
key_a, [value_a1, value_a2]
key_d, [value_d2, value_d1, value_d3]

--- reducer2 input (sorted by keys)
key_b, [value_b2, value_b1]
key_c, [value_c1]

如果您想确保传递给减速器的键之间的全局排序，您可以使用Total Order Partitioner。在这种情况下，每个 reducer 都会得到如下输入：

-- reducer1 input (sorted by keys - global)
key_a, [value_a1, value_a2]
key_b, [value_b2, value_b1]

-- reducer2 input (sorted by keys - global)
key_c, [value_c1]
key_d, [value_d2, value_d1, value_d3]