Map-Reduce / Hadoop按整数值排序（使用MRJob）

Question

这是简单Map-Reduce排序功能的MRJob实现。 在beta.py ：

from mrjob.job import MRJob

class Beta(MRJob):
    def mapper(self, _, line):
        """
        """
        l = line.split(' ')
        yield l[1], l[0]

    def reducer(self, key, val):
        yield key, [v for v in val][0]


if __name__ == '__main__':
    Beta.run()

我使用以下文本运行它：

1 1
2 4
3 8
4 2
4 7
5 5
6 10
7 11

可以使用以下命令运行它：

cat <filename> | python beta.py

现在的问题是，假设键的类型为string ，则对输出进行排序（在这里可能就是这种情况）。 输出为：

"1"     "1"
"10"    "6"
"11"    "7"
"2"     "4"
"4"     "2"
"5"     "5"
"7"     "4"
"8"     "3"

我想要的输出是：

"1"     "1"
"2"     "4"
"4"     "2"
"5"     "5"
"7"     "4"
"8"     "3"
"10"    "6"
"11"    "7"

我不确定这是否与MRJob中的协议摆弄有关，因为协议是针对特定工作而非特定于步骤的。

编辑（解决方案）：我已经找到了答案。 这个想法是，每个数字都必须以'O-bytes'开头，以便每个数字中的字节数与最大数字中的字节数相同。 至少那是我在课堂上记得的东西。 我现在无法添加答案，因为它不允许我这样做，但这是我唯一的解决方案。 如果有人能获得更透明，更轻松的信息，请分享。

Answer 1

简单的解决方案（更强大的功能可能是基于调整Hadoop对映射器输出进行排序的方式）

class Beta(MRJob):

    def mapper (self, _, line):
        l = line.strip('\n').split()
        yield '%010d'%int(l[1]), l[0]

    def reducer(self, key, values):
        yield int(key),int(list(values)[0])