我的一个朋友在hadoop上被问到这个问题 MapReduce—— 我们有多家商店，每家商店都有很多顾客访问和购买东西。 数据集由"商店#、客户#、购买数量"组成。需要一个MapReduce代码来获取每个商店的前2个客户。
我想到的解决方案是对 qty 进行二次排序（按降序 - store + qty 制作复合键），并在化简器中仅显示每个键的前 2 个值（或客户）（存储 + 数量，qty 是复合键的一部分）。如果客户是唯一的，这有效，但如果客户多次访问同一家商店，那么我们该怎么做？
解决方案是遍历每个值，为每个客户添加数量，在减速器中按数量排序。这意味着我将重新执行排序逻辑，并且不确定我是否可以使用 TreeMap/Hashmap 等，因为可能存在内存限制。
或者解决方案是编写 2 个 MapRed，一个接一个地运行。第一个获得为每个客户和商店购买的数量总和。第二个按数量排序并获得前 2 名买家的 MapRed。
还有其他方法可以实现这一目标吗？还要考虑内存限制？
尝试将复合键作为客户+商店，然后使用Reducer和Map Reduce框架对它们进行分组和计数