数字、字符串和对象的排序
手动反爬虫，禁止转载： 原博地址 https://blog.csdn.net/lys_828/article/details/118974089（CSDN博主：Be_melting）
知识梳理不易，请尊重劳动成果，文章仅发布在CSDN网站上，在其他网站看到该博文均属于未经作者授权的恶意爬取信息
1 Java的排序
在认识Hadoop中的排序操作之前，可以了解一下Java的排序操作，具体是通过Comparable接口实现。可以直接查看一下API文档，看看这个类的使用说明
直接写一个小程序，看一下Java中的排序，首先创建一个sort.java的package，然后创建一个Student的Java Class的程序，其中只有学生ID，姓名和年龄，为了方便查看输出，重写一下里面的tostring方法，最后要实现排序的话，要执行Comparable接口，代码如下
对于get和set方法自动生成，完善接口里面的方法，也就是compareTo方法，指定一下排序的规则，代码如下
@Override
public int compareTo(Student o) {
// 定义排序规则
if(this.age >= o.getAge()) {
return 1;
}else {
return -1;
}
}
保存文件后，创建一个新的运行主程序，初始化三个学生对象，构造数组，使用sort的方法按照年龄进行排序，代码如下
输出结果为：（按照之前重写的tostring方法进行输出，输出的结果也满足按照升序进行排列）
以上是按照单个列的排序，有没有可能按照两个列进行排序呢？答案是肯定可以的，只需要修改一下排序的规则
@Override
public int compareTo(Student o) {
// 定义排序规则
if(this.age > o.getAge()) {
return 1;
}else if(this.age < o.getAge()) {
return -1;
}
if (this.stuID >= o.getStuID()) {
return -1;
}else {
return 1;
}
}
保存后为了显示出排序的作用，把第二个同学的年龄修改为22，再次运行主程序，查看运行结果，可以发现最终是按照年龄进行升序排序的，如果年龄相同的话，就是按照ID进行降序排列
2 MapReduce排序
对于数字的排序默认采用升序，字符串就是按照首字母的字典顺序排序，对象的话就是按照员工的薪水（这里就是举个栗子）
MapReduce中的排序是以k2作为依据，比如WordCount计数中k2就是单词，代表着字符串，就是按照默认的字典顺序，先排大写字母再排小写字母；在进行员工工资求解时候k2为员工编号，最后就是按照数字的升序进行排列
2.1 数字排序
既然是默认的排序规则，自然是可以进行重新设置，进行自定义排序规则，下面针对数字进行自定义排序需要设置一个排序的类（直接继承文本的排序父类，然后重写里面的compare方法，这里就是在return后面添加了一个负号，表示与原来的排序方式相反）
接着就是修改一下主程序里面的内容，将修改后的排序类加载进去，由于MapReduce是对k2进行排序，所以可以放置在k2的内容后面，具体的内容及位置如下
然后将整个代码文件重新打包生成p5.jar，上传至hadoop运行
最后就是核实一下生成文件中的数据信息是否为我们期待的样子（很完美，反序过来了）
运行到这里，可以会有点疑问，创建比较器时候的类是继承的Text下面的父类，对应的就是字符串的数据类型，并不是真正的数字类型，这里是因为最终是数值型字符串，最终排序的时候还是以数值的方式进行，可以再重新写一下比较类，使用IntWritable下面的比较类进行
然后再修改一下主程序里面的那个排序代码，如下
最后打包成jar文件在hadoop上运行，看看结果输出（这次生成的p6.jar文件）
核实一下输出的文件数据信息是否一致（输出结果中是保持一致，没有问题）
2.2 字符串排序
这个就是修改一下WordCount计数程序，其中的k2是字符串数据类型，重新创建一个比较类，重新创建一个文本数据的比较类，名称为MyTextComparator（是在wc的package下面）
package wc;
import org.apache.hadoop.io.Text;
public class MyTextComparator extends Text.Comparator{
@Override
public int compare(byte[] b1, int s1, int l1, byte[] b2, int s2, int l2) {
// TODO Auto-generated method stub
return -super.compare(b1, s1, l1, b2, s2, l2);
}
}
然后就是运行的主程序中添加指定的自定义规则（注意这次是WordCount的程序，和之前的代码完全一样，但是在不同文件中）
最后导出为p7.jar文件，上传至hadoop上运行
核实一下目标文件夹下的数据信息是够和原来相反（核实无误，啦啦啦~）
2.3 员工对象排序
先新建一个package命名为sort.object，再把之前序列化的Employee的类复制粘贴过来，修改一下执行的接口，这里要使用WritableComparable类（光看这个名字就知道，不仅可以实现序列化还可以实现比较的功能），然后重写里面的方法，就是compare方法，具体修改的内容如下
框架中的Map程序也是从之前的地方进行赋值粘贴，同样需要小小的修改，由于是按照对象进行排序，而MapReduce是按照k2进行排序的，所以这里的k2需要修改为员工对象，v2不关注就可以直接设置为空，最后的输出这里也要进行修改
框架中的Reduce可以不用指定，不进行合并运算，直接进行输出，就剩下最后的主程序的设计，还是把之前的程序拿来修改一下（只用修改两处）
把程序文件都打包为p8.jar文件，上传hadoop上运行
核实一下最终生成的文件中的内容（完美了，顺利完成了，啦啦啦~）
接下来就是进一步的发散，上面的操作是按照一个列进行排序，那么两个列甚至多个列的排序也是有实际需求的，只需要修改一下之前指定的排序方法
@Override
public int compareTo(Employee o) {
if(this.deptno > o.getDeptno()) {
return 1;
}else if (this.deptno < o.getDeptno()) {
return -1;
}
if (this.sal >= o.getSal()) {
return 1;
}else{
return -1;
}
}
其余的保持不变后进行代码的保存，最终生成p9.jar文件，上传至hadoop进行测试
核实一下文件中的信息，并与刚刚的p8处理的结果进行对比
如果要执行降序的排列，直接将排序方法里面return中的1和-1对换一下位置即可，至此关于MapReduce中的数字、字符串和对象的排序就梳理完毕了，完结撒花✿✿ヽ(°▽°)ノ✿