MapReduce：为什么可以'；我不能做这样的第二种排序（Hadoop）？

我已经使用正确的方法实现了一个二级排序：复合键、复合键比较器类、自然键分组比较器类和自然键分区器类

然而，在我意识到这是必要的之前，我做了以下工作：

class CompositeKey extends WritableComparable<CompositeKey> {
    String name; // Natural Key
    Date time;   // Secondary Sort on this value

    // Constructor

    public void readFields(DataInput in) { ... }
    public void readFields(DataInput out) { ... }
    public int compareTo(CompositeKey compositeKey) { 
        int result = getName().compareTo(compositeKey.getName());
        if (result == 0) {
            result = getTime().compareTo(compositeKey.getTime());
        }
        return result
    }

    public boolean equals(Object compositeKey) {
        // Similar code to compareTo()
    }


} 

---

我假设如果我把它放进去，它仍然不起作用（考虑到每个人都建议使用上面列出的方法进行二次排序）。为什么不呢？

通常，当您希望值按辅助键排序并按主键分组时，会使用辅助排序。仅使用复合键只允许您按主键和辅助键进行分组；一旦到达相应的减缩器，它就不会以任何排序顺序获取值

具体来说：“名称”是主键，“时间”是次键

使用二级排序：每个减速机获取与一个“名称”对应的所有值，并按排序顺序获取“时间”的每个数据点，例如名称：Bob，时间：1,2,3

---

只使用一个复合键：每个reducer获得与每个“Name”、“Time”对对应的所有值。不能保证同一个减速机将包含与同一名称对应的所有名称、时间对，因此不能保证按时间顺序处理Bob的值。

您可以尝试将

名称的类型更改为hadoop的
文本。这对我很有帮助。
我不明白的是，既然我写了
equals
，
compare
，或者
compareto
方法，为什么每个减速机都会得到对应于每个“Name”，“Time”对的所有值，而不是每个“Name”？如果排序/缩减阶段不使用这些方法中的任何一种来决定“名称”、“时间”，它将通过哪种机制决定使用“名称”、“时间”？这将是映射器输出键/缩减器输入键。它在JobConf中定义，例如。，
350      /** A WritableComparator optimized for Text keys. */
351      public static class Comparator extends WritableComparator {
352        public Comparator() {
353          super(Text.class);
354        }
355    
356        @Override
357        public int compare(byte[] b1, int s1, int l1,
358                           byte[] b2, int s2, int l2) {
359          int n1 = WritableUtils.decodeVIntSize(b1[s1]);
360          int n2 = WritableUtils.decodeVIntSize(b2[s2]);
361          return compareBytes(b1, s1+n1, l1-n1, b2, s2+n2, l2-n2);
362        }
363      }
364    
365      static {
366        // register this comparator
367        WritableComparator.define(Text.class, new Comparator());
368      }