开发者学堂课程【Hadoop 分布式计算框架 MapReduce：排序概述】学习笔记，与课程紧密联系，让用户快速学习知识。

课程地址：https://developer.aliyun.com/learning/course/94/detail/1519

排序概述

1、排序是 MapReduce 框架中最重要的操作之一。

2、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。

3、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。

4、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排序。

5、对于 ReduceTask，它从每个 MapTask 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，则进行次合并后将数据溢写到磁盘上。

当所有数据拷贝完毕后，ReduceTas 统一对内存和磁盘上的所有数据进行一次归并排序。