六、MapReduce排序例子--获取价格最高的商品信息

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);
    }
}