剖析Spark二次排序

什么是二次排序

指的是在Reduce阶段对某个键关联的值排序。

解决方案

解决方案至少有两种以上,但是首先要考虑一个问题,既然使用spark或者hadoop,就要考虑大数据量下的效率问题,首先要规避的是OOM。例如缓存到数组数据结构中,使用集合可能导致规约器耗尽内存。所以推荐方案使用MapReduce框架或者Spark来完成。

设计方法:
1.使用键值转换设计模式:构造一个中间键(k,v1),其中v1是次键(Secondary key)。在这里,K称为自然键(natural key),要在规约器中注入一个值v1,只需要创建一个组合键。
2.让MR框架完成排序(而不是在内存中排序)
3.保留多个键值状态来完成处理,可以适当使用映射器输出分区来实现。

import org.apache.spark.rdd.RDD
import org.apache.spark.{Partitioner, SparkConf, SparkContext}
import org.apache.spark.sql.{DataFrame, Row, SQLContext}
import org.scalatest.{BeforeAndAfterAll, FunSpec, Matchers}

class SparkAlgorithms extends FunSpec with Matchers with BeforeAndAfterAll {


  /**  二次排序的概念
    * map(key1,value1) -> list(key2,value2)
    * reduce(key2,list(value2)) -> list(key3,value3)
    * 
    */
  describe("Secondary Sort")  {
    it("Secondary_Sort_1") {

      val conf=new SparkConf().setAppName("test-algorithms").setMaster("local[2]")
      val sc=new SparkContext(conf)
      val sqlContext=new SQLContext(sc)

      object data extends Serializable{

        import sqlContext.implicits._
        val ymd_tmperature=Seq(
          ("2012","01","01",5),
          ("2012","01","02",45),
          ("2012","01","03",35),
          ("2012","01","04",10),
          ("2001","11","01",46),
          ("2001","11","02",47),
          ("2001","11","01",48),
          ("2001","11","02",40),
          ("2005","08","20",50),
          ("2005","08","21",52),
          ("2005","08","22",38),
          ("2005","08","23",70)
        ).toDF("year","month","day","temperature")

      }
      /**
        * 自定义排序分区
        * 对传入的规约器的键分区
        **/
      class SortPartitioner(partitions: Int) extends Partitioner {

        require(partitions > 0, s"分区的数量($partitions)必须大于零。")
        def numPartitions: Int = partitions
        def getPartition(key: Any): Int = key match {
          case (k: String, v: Int) => math.abs(k.hashCode % numPartitions)
          case null => 0
          case _ => math.abs(key.hashCode % numPartitions)
        }
        override def equals(other: Any): Boolean = other match {
          case o: SortPartitioner => o.numPartitions == numPartitions
          case _ => false
        }
        override def hashCode: Int = numPartitions
      }
      //对规约器的键排序 使用框架插件排序
      implicit def tupleOrderingDesc = new Ordering[Tuple2[String, Int]] {
        override def compare(x: Tuple2[String, Int], y: Tuple2[String, Int]): Int = {
          if (y._1.compare(x._1) == 0) -y._2.compare(x._2)
          else -y._1.compare(x._1)
        }
      }
      //Map 年月为自然键 自然值 组合键
      val valuetokey:RDD[((String, Int), Int)]=data.ymd_tmperature.rdd.map(x=>{
        ((x(0)+"-"+x(1), x(3).asInstanceOf[Int]), x(3).asInstanceOf[Int])
      })
      //sort
      val sorted=valuetokey.repartitionAndSortWithinPartitions(new SortPartitioner(3))

      //Reduce
      val result=sorted.map{
          case (k,v) => (k._1,v.toString)
        }.reduceByKey(_+","+_)

      result.foreach(println)

    }
  }

}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,298评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,701评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,078评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,687评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,018评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,410评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,729评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,412评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,124评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,379评论 2 242
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,903评论 1 257
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,268评论 2 251
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,894评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,014评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,770评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,435评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,312评论 2 260

推荐阅读更多精彩内容