①自定义按某列排序,二次排序
writablecomparable中的compareto方法
②topk
a利用treemap，缺点：map中的key不允许重复：https://blog.csdn.net/u010660276/article/details/50967054
b封装mapper<key,value>中的key实现writablecompareable接口，实现排序https://blog.csdn.net/lzm1340458776/article/details/43228191
③自定义分区函数：实现按省份输出信息
分区的目的：将相同的key值放到一个reduce中处理，将reduce处理完的数据按key分别存到不同的文件中
④数据去重
由于在map阶段之后会将相同key的value分组，分组之后的每一个key都是唯一的，消除数据去重时可以将数据直接作为map的key然后输出，map之后就会是唯一的，在reduce阶段直接输出就可。
⑤常用的输入格式：https://blog.csdn.net/u011812294/article/details/63262624
⑥mapreduce中的join：map端join和reduce端join（将需要连接操作的表同时或者选择小的加载到内存中）
map端join和reduce端join举例：https://blog.csdn.net/litianxiang_kaola/article/details/71598632
https://blog.csdn.net/guxin0729/article/details/84035513
map端join：在map的setup()中将小的表加入hashmap中，（指定小表path将表存入话说hashmap中）（在setup中读取小文件）
map（）中实现读取一行将条件去匹配hashmap中的值，构造join表类
在main（）中只需要指定inputmapperpath为map（）中需要读取的大文件即可
reduce端join：mapper中将条件作为key，join的类为value
reducer中创建ArrayList，然后实现join
两者的对比：https://blog.csdn.net/weixin_39979119/article/details/85041438
如何选择：
reduce端join，当两个文件的大小差距较大时，会产生数据倾斜，在reducer中需要结合List
map端join，仅适用于大小表或者小小表关联
⑦小文件合并