发布时间：2018-06-25 20:13:56
TopN算法是一个经典的算法，由于每个map都只是实现了本地的TopN算法，而假设map有M个，在归约的阶段只有M x N个，这个结果是可以接受的并不会造成性能瓶颈。这个TopN算法在map阶段将使用TreeMap来实现排序，以到达可伸缩的目的。实现步骤： 1、在mapper中定义TreeMap 将输入数据按put到TreeMap中，如果TreeMap.........【阅读全文】
发布时间：2018-06-21 20:11:03
在map中进行join步骤：1、在驱动中加载文件到 hdfs缓存中2、在map的 setup函数中，读取缓存内容，放入HashMap中3、在map函数中读取，根据key读取对应的值,在map中进行join具体实现如下：点击(此处)折叠或打开import org.apache.commons.lang.StringUtils;.........【阅读全文】
发布时间：2018-06-19 23:14:11
MapReduce默认输出是在单个reduce中以key排序的，多个reduce输出之间是不排序的， 所谓全排序，就是指多个reduce之间的输出是有序的。 实现全排序有三种方法： 1、 使用一个reduce进行输出 MapReduce 默认是以key排序的，使用一个reduce，就可以实现全排序。 这种方法简单，但不能充分利用集群.........【阅读全文】
发布时间：2018-06-15 18:41:49
总结： 1、当reducenum 设置为1时，自定义的分区函数不会被调用，这可以理解 2、在实现compare 函数时要要注意，两个对象firstKey值不相等是要直接返回，只有两个相等时，才比较secondKey，自己在实现是没有注意到这个问题随便写了，调试半天没有发现问题。 错误写法如下： &nbs.........【阅读全文】
