WritableComparable
作者：互联网
1. 排序概述
排序时MapReduce框架中最重要的操作之一。
MapTask和ReduceTask均会对数据按照key进行排序，该操作属于Hadoop的默认行为。任何应用程序中的数据均会被排序，而不管逻辑上是否需要。
默认排序是按照字典顺序排序，且实现该排序的方法是快速排序。
对于MapTask，它会将处理的结果暂时放到环形缓冲区中。当环形缓冲区使用率达到一定阈值后，再对缓冲区中的数据进行一次快速排序， 并将这些有序数据溢写到磁盘上，而当数据处理完毕后,它会对磁盘上所有文件进行归并序。
对ReduceTask，它从每个MapTak 上远程拷贝相应的数据文件，如果文件大小超过一定阈值， 则溢写磁盘上，否则存储在内存中。如果磁盘上文件数目达到一定阈值， 则进行一 一次归并排序以生成一 个更大文件：如果内存中文件大小或者数目超过一定阈值，则进行一次合并后将数据溢写到磁盘上。当所有数据拷贝完毕后，ReduceTax统一对内存和磁盘上的所有数据进行一次归并排序。
2. 排序分类
（1）部分排序
MapReduce根据输入记录的键对数据集排序，保证输出的每一个文件内部有序。
（2）全排序
最终输出结果只有一个文件, 且文件内部有序。实现方式是只设置一个ReduceTask。但该方法在处理大型文件效率极低。因为一台机器处理所有文件，完全丧失了MapReduce所提供的框架。
（3）辅助排序（GroupingComparator分组）
在Reduce端进行对key分组。应用于：在接收的key为bean对象时，想让一个或几个字段相同(全部字段比较不相同) 的key进入到同一Reduce方法时，可以采用分组排序。
（4）二次排序
在自定义排序过程中，如果compareTo中的判断条件为两份即为二次排序。
标签：文件,WritableComparable,阈值,key,磁盘,排序,数据 来源： https://www.cnblogs.com/xiao-wang-tong-xue/p/16512258.html