转自：http://rangerwolf.iteye.com/blog/2119096
题外话：
《Hadoop in Action》 是一本非常不错的交Hadoop的入门书，而且建议看英文版。此书作者的英文表达非常简单易懂。相信有一定英文阅读能力的同学直接用英文版就能非常容易的上手~
进入正题。 这个题目是《Hadoop in Action》 上面的一道题目，求出Top K的值。
我自己随便弄了一个输入文件：
- g 445
- a 1117
- b 222
- c 333
- d 444
- e 123
- f 345
- h 456
讲讲我的思路：
对于Top K的问题，首先要在每个block/分片之中找到这部分的Top K。并且由于只能输出一次，所以输出的工作需要在cleanup方法之中进行。为了简单，使用的是java之中的TreeMap，因为这个数据结构天生就带有排序功能。 而Reducer的工作流程跟Map其实是完全一致的，只是光Map一步还不够，所以只能再加一个Reduce步骤。
最终输出的格式为如下：(K=2)
- 1117 a
- 456 g
所以需要使用map。 如果只需要输出大小的话，直接使用TreeSet会更高效一点。
下面是实现的代码：
- package hadoop_in_action_exersice;
- import java.io.IOException;
- import java.util.TreeMap;
- import org.apache.hadoop.conf.Configuration;
- import org.apache.hadoop.fs.Path;
- import org.apache.hadoop.io.IntWritable;
- import org.apache.hadoop.io.LongWritable;
- 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.output.FileOutputFormat;
- public class TopK {
- public static final int K = 2;
- public static class KMap extends Mapper<LongWritable, Text, IntWritable, Text> {
- TreeMap<Integer, String> map = new TreeMap<Integer, String>();
- public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
- String line = value.toString();
- if(line.trim().length() > 0 && line.indexOf("\t") != -1) {
- String[] arr = line.split("\t", 2);
- String name = arr[0];
- Integer num = Integer.parseInt(arr[1]);
- map.put(num, name);
- if(map.size() > K) {
- map.remove(map.firstKey());
- }
- }
- }
- @Override
- protected void cleanup(
- Mapper<LongWritable, Text, IntWritable, Text>.Context context)
- throws IOException, InterruptedException {
- for(Integer num : map.keySet()) {
- context.write(new IntWritable(num), new Text(map.get(num)));
- }
- }
- }
- public static class KReduce extends Reducer<IntWritable, Text, IntWritable, Text> {
- TreeMap<Integer, String> map = new TreeMap<Integer, String>();
- public void reduce(IntWritable key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
- map.put(key.get(), values.iterator().next().toString());
- if(map.size() > K) {
- map.remove(map.firstKey());
- }
- }
- @Override
- protected void cleanup(
- Reducer<IntWritable, Text, IntWritable, Text>.Context context)
- throws IOException, InterruptedException {
- for(Integer num : map.keySet()) {
- context.write(new IntWritable(num), new Text(map.get(num)));
- }
- }
- }
- public static void main(String[] args) {
- // TODO Auto-generated method stub
- Configuration conf = new Configuration();
- try {
- Job job = new Job(conf, "my own word count");
- job.setJarByClass(TopK.class);
- job.setMapperClass(KMap.class);
- job.setCombinerClass(KReduce.class);
- job.setReducerClass(KReduce.class);
- job.setOutputKeyClass(IntWritable.class);
- job.setOutputValueClass(Text.class);
- FileInputFormat.setInputPaths(job, new Path("/home/hadoop/DataSet/Hadoop/WordCount-Result"));
- FileOutputFormat.setOutputPath(job, new Path("/home/hadoop/DataSet/Hadoop/TopK-output1"));
- System.out.println(job.waitForCompletion(true));
- } catch (IOException e) {
- // TODO Auto-generated catch block
- e.printStackTrace();
- } catch (ClassNotFoundException e) {
- // TODO Auto-generated catch block
- e.printStackTrace();
- } catch (InterruptedException e) {
- // TODO Auto-generated catch block
- e.printStackTrace();
- }
- }
- }