MapReduce求Top K的算法

今天去百度面试，这么简单的题做法都有问题，悲哀啊，mark一下。

估计要和百度失之交臂了，悔恨。

其实当时有想法了的，不过被面试官问了一句“放内存够大吗？”一下打消了这个想法。愁啊。

算法如下。不知道对不对。回去再研究下

package com.bupt.mapreduce;

 /**

 *

  */

 import org.apache.hadoop.conf.Configuration;

 import org.apache.hadoop.conf.Configured;

 import org.apache.hadoop.fs.Path;

 import org.apache.hadoop.io.IntWritable;

 import org.apache.hadoop.io.LongWritable;

 import org.apache.hadoop.io.NullWritable;

 import org.apache.hadoop.io.Text;

 import org.apache.hadoop.mapreduce.Job;

 import org.apache.hadoop.mapreduce.Mapper;

 import org.apache.hadoop.mapreduce.Reducer;

 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;

 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

 import org.apache.hadoop.util.Tool;

 import org.apache.hadoop.util.ToolRunner;

 import java.io.IOException;

 import java.util.TreeMap;

 //利用MapReduce求最大值海量数据中的K个数

 public class Top_k_new extends Configured implements Tool {

     public static class MapClass extends Mapper<LongWritable, Text, NullWritable, Text> {

         public static final int K = 100;

         private TreeMap<Integer, Text> fatcats = new TreeMap<Integer, Text>();

         public void map(LongWritable key, Text value, Context context)

                 throws IOException, InterruptedException {

             String[] str = value.toString().split(",", -2);

             int temp = Integer.parseInt(str[8]);

             fatcats.put(temp, value);

             if (fatcats.size() > K)

                 fatcats.remove(fatcats.firstKey())

         }

         @Override

         protected void cleanup(Context context) throws IOException,  InterruptedException {

             for(Text text: fatcats.values()){

                 context.write(NullWritable.get(), text);

             }

         }

     }

     public static class Reduce extends Reducer<NullWritable, Text, NullWritable, Text> {

         public static final int K = 100;

         private TreeMap<Integer, Text> fatcats = new TreeMap<Integer, Text>();

         public void reduce(NullWritable key, Iterable<Text> values, Context context)

                 throws IOException, InterruptedException {

             for (Text val : values) {

                 String v[] = val.toString().split("\t");

                 Integer weight = Integer.parseInt(v[1]);

                 fatcats.put(weight, val);

                 if (fatcats.size() > K)

                     fatcats.remove(fatcats.firstKey());

             }

             for (Text text: fatcats.values())

                 context.write(NullWritable.get(), text);

         }

     }

     public int run(String[] args) throws Exception {

         Configuration conf = getConf();

         Job job = new Job(conf, "TopKNum");

         job.setJarByClass(Top_k_new.class);

         FileInputFormat.setInputPaths(job, new Path(args[0]));

         FileOutputFormat.setOutputPath(job, new Path(args[1]));

         job.setMapperClass(MapClass.class);

        // job.setCombinerClass(Reduce.class);

         job.setReducerClass(Reduce.class);

         job.setInputFormatClass(TextInputFormat.class);

         job.setOutputFormatClass(TextOutputFormat.class);

         job.setOutputKeyClass(NullWritable.class);

         job.setOutputValueClass(Text.class);

         System.exit(job.waitForCompletion(true) ? 0 : 1);

         return 0;

     }

     public static void main(String[] args) throws Exception {

         int res = ToolRunner.run(new Configuration(), new Top_k_new(), args);

         System.exit(res);

     }

 }