reducer reducers

一、eclipse执行mapreducer后文件是空的

1.是空的。2.这可能是因为在执行MapReduce任务时出现了错误，导致输出文件为空。可能的原因包括输入数据为空、Mapper或Reducer函数中的逻辑错误、配置错误等。3.如果文件是空的，可以检查输入数据是否正确，并确保Mapper和Reducer函数的逻辑正确。另外，还可以查看日志文件以获取更多关于错误的信息，以便进行调试和修复。

二、redux使用流程

使用redux的流程通常包括创建action、reducer和store，action用于描述发生的事件，reducer用于处理action并更新state，store用于存储state并提供获取和更新state的方法。

首先创建action来描述需要发生的事件，然后创建reducer来处理action并更新state，最后创建store来存储state并提供获取和更新state的方法。

在组件中通过connect方法连接store来获取和更新state，从而实现数据的管理和交互。整个流程需要遵循一定的规范和约定，以保持代码的可维护性和可扩展性。

三、hadoopreduce主要特点

1.计数器

在MR作业中内置计数器，统计任务状态，用户可以自定义计数器以实现统计目的，这块比较简单，不是什么原理性的东西，直接略过

2.排序

排序是MR中比较核心的问题，MR中数据是通过排序来进行组织的。排序的效率直接影响着整个作业的运行效率

i)部分排序

在Map任务执行完毕之后，写入到磁盘文件之前，对输出数据进行预排序。这样的排序是按照键进行字典排序而成，将键相同的数据组织到一起。

预排序完成之后，将数据写入本地磁盘，而后通过Partitioner将数据映射传递到对应reducer，默认是一个HashPartitioner进行分区。对键进行hash处理，将值对reducer数目取模，从而确定reducer。

数据传递到reducer之后，reducer对每个分区内数据进行合并排序，依然是按键字典排序，当然也可以通过继承RowCompartor类并且显示设置comparatorClass指定排序方式，这样一来每个reducer输入分区的数据都是有序的，但是就整体所有数据而言，并不是有序的，所以称之为部分排序。

2.完全排序

要想实现所有数据均可以实现有序，那么需要对Partitioner进行设置为TotalOrderPartitioner，对所有数据进行分组，比如说将数据分为{a,b,c,d,e,f}六个分组，那么a组所有键必须小于b组，而b组所有键必须小于c组，以此类推，这就意味着是按照键的范围对数据进行分组。