这个CompareTo不是决定是否是升序的，它是用于比较对象的，你这里是用于二次排序的比较，至于为什么升序，shuffle到reducer过程默认就是升序的。那问题来了升降序是由什么决定的呢？可以自己实现一个比较器来决定（不实现也会默认有一个，就是默认升序那个）到reducer中的key是升序还是降序。

@HiHadoop 在map排序只能使用集合对象，会用到大量堆内存，而且数据量多会生成多个map进行并行化处理，所以即使能排序也只是拿的数据的局部排序，所以你的需求一个任务做，也只适应小于一个block块的数据。搞的是大数据不能这么想。

HOHO

@HiHadoop 太忙了，平时没时间上QQ

@HiHadoop reducer里面放一个list，然后在cleanup里输出

参考这个教程，http://hainiubl.com/topics/197

spark-streaming有个windows窗口函数可以解决你的问题

@HiHadoop 你要想会有N个map所以到reducer中的记录不会是一个。到reducer中只拿每个map的最大值，可以减少网络数据的传输
reduce的排序在suffer的环节中

@HiHadoop 关注我们社区，我们这里有一大堆大数据相关知识

@HiHadoop mapreduce的话需要两步，spark的话比较好做map->countByKey->sort->top就完事了

@HiHadoop 恩，道理都是一样的

@HiHadoop 这个频次你可以用wordcount进行统计，比如给你一组词
a a a b
你应该先写一个mapreducer的wordcount统计其中a出现3次，b出现1次，
然后再写一个mapreducer依赖wordcount这个mapreducer，弄个自定义的key里面包含词和count的词，并定义好比较的方法，利用shuffle过程中排序的原理统计出其中频次最高的那个词

@HiHadoop 可以的你就用TextInputFormat就行

你可以看一下这篇文章中的mapreducer编程中的最大值和最小值
http://hainiubl.com/topics/92