嘿，你已经搞定了二次排序的核心环节，接下来的Reduce逻辑其实非常省心——咱们可以直接利用已经排好的顺序来简化处理，完全不用再做额外的排序计算！

先理清楚排序后的输入特点 #

你已经把复合键设为(id, num)，并且排序规则是id升序、num降序、price升序，这意味着在Reduce阶段：

• 同一个id的所有数据会被集中到同一个Reduce任务中
• 同一个id下，num从大到小排列，最大的num会最先出现
• 当num相同时，price从小到大排列，最小的price会在同num组的最前面

基于这个顺序，我们要的目标结果其实就是每个id组里的第一条符合最大num的数据——因为它既是当前id的最大num，又是该num下的最低price。

Reduce方法的实现代码 #

下面是具体的Java代码实现，我加了详细注释帮你理解每一步：

import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class SecondarySortReducer extends Reducer<CompositeKey, Text, Text, Text> {
    // 记录当前处理的id
    private String currentId = null;
    // 记录当前id下的最大num
    private int maxNum = -1;
    // 记录当前最大num对应的最低price
    private String minPrice = null;

    @Override
    protected void reduce(CompositeKey key, Iterable<Text> values, Context context)
            throws IOException, InterruptedException {
        // 从复合键中取出当前的id和num
        String currentKeyId = key.getId().toString();
        int currentKeyNum = key.getNum().get();

        // 情况1：处理新的id组
        if (currentId == null || !currentId.equals(currentKeyId)) {
            // 如果不是第一个id组，先输出上一个id的结果
            if (currentId != null) {
                context.write(new Text(currentId), new Text(maxNum + "\t" + minPrice));
            }
            // 重置变量，记录新id的第一个数据（也就是最大num+最低price）
            currentId = currentKeyId;
            maxNum = currentKeyNum;
            // 取出当前value里的price（这里假设你的Value输出的是price字符串）
            minPrice = values.iterator().next().toString();
        } 
        // 情况2：处理同一个id下的数据
        else {
            // 如果当前num等于记录的最大num，因为已经按price升序排过，第一个就是最小的，直接跳过后续同num数据
            if (currentKeyNum == maxNum) {
                // 这里其实不需要做任何操作，因为第一个已经记录了最小price
            }
            // 如果当前num比最大num小，直接跳过，我们只关心最大的num
            else if (currentKeyNum < maxNum) {
                return;
            }
        }
    }

    @Override
    protected void cleanup(Context context) throws IOException, InterruptedException {
        // 输出最后一个id组的结果，避免遗漏
        if (currentId != null) {
            context.write(new Text(currentId), new Text(maxNum + "\t" + minPrice));
        }
    }
}

关键逻辑说明 #

1. 利用排序顺序减少计算：因为已经提前把数据按id升序、num降序、price升序排好，所以每个id的第一条数据就是我们要的目标，不需要在Reduce里再做排序或比较所有数据。
2. 变量状态管理：用currentId、maxNum、minPrice三个变量来跟踪当前处理的id组的状态，切换id组时输出上一组结果并重置状态。
3. cleanup方法的必要性：因为最后一个id组的结果不会在reduce方法里触发输出，所以必须在cleanup里手动输出，避免数据遗漏。

注意事项 #

• 确保你的CompositeKey类正确实现了WritableComparable接口，并且排序逻辑和你描述的一致（id升、num降、price升）。
• 这里假设你的Map阶段输出的Value是price的字符串形式，如果你的Value结构不同，需要对应调整取值逻辑。

内容的提问来源于stack exchange，提问作者LylaC