看到一篇文章，列出了幾個使用MapReduce完成的算法（附有實現案例），但是還是想自己實現下，所以自己寫了一個，後來看了下案例，不是太一樣，但是我實現了，不管效果如何，或者好不好看，總之我實現了。這裡就跟大家分享下，同時也希望能得到一個建議。
首先介紹下我的實現思想：
1.兩個矩陣相乘，我們假設為a[i][j]，b[x][y]，若a*b則i==y，即c[n][n]=a[i][j]*b[x][y]（n==i==y），圖方便直接使用對稱矩陣。
2.使用Matrix對象來封裝一個矩陣的節點，Matrix對象有三個變量：flag,script1,script2。flag用來標示該矩陣節點屬於左邊的矩陣(a)還是右邊的矩陣(b)，又或是結果矩陣(c)，因為左右矩陣需要不同的方式進行處理，所以需要區分開。
3.我們知道c[i][j]=sum(a[i][x]*b[x][j])(x=1-->n)，根據此公式，我們可以知道一個c節點的值由a,b的哪些節點決定，我們這些a,b節點同c[i][j]放到一起，作為map的輸出，reduce的輸入。然後通過使用合適的分組比較器和排序比較器，我們可以讓所有決定c[i][j]值的a和b節點放到一個reduce方法中，這樣我們就可以方便的計算出c[i][j]的值了。
4.分組比較器：map的輸出是[c[i][j],a[i][x]/b[x][j]}，a[i][x]/b[x][j]的值]，這樣的方式，而我們需要所有包含c[i][j]的key放到一起，所以分組比較器只要針對key的第一個對象進行比較即可，在對key的第一個對象(c)進行比較時，先flag進行比較（這裡不出意外應該都是一樣的），再根據script1進行比較，最後根據script2進行比較，這樣得到的可能排序結果如下：
c[1][1],c[1][2],c[2][1],c[2][2],...正是我們需要的順序，我們可以按此順序將值一次寫入輸出文件中，配置合理的換行機制，就可以得到一個很清晰的矩陣結果。
5.排序比較器：上面的分組比較器可以使得計算一個c[i][j]所需要的所有a和b矩陣節點都在一個reduce方法中進行計算，這樣雖然可以滿足我們的需求，但是計算相對來說還是比較麻煩的。比如我們需要計算c[2][3]（假設矩陣大小=10），那麼我們需要計算a[2][1]*b[1][3]+a[2][2]*b[2][3]+...+a[2][10]*b[10][3]，而reduce方法提供給我們的只是一個Iterable迭代器，我們需要在這個迭代器中找到a[2][1]，b[1][3]然後再相乘，但是迭代器只能迭代一次，固然我們可以將其保存到一個list中，但是還是需要對該list進行N次遍歷，效率低下。這時就需要排序比較器出場了，從前面的計算公式我們可以看出，a的列標和b的行標其實是相同的，同時所有的a的行標是一致的，所有b的列標是一致的，因此我們在對其進行排序時完全可以按照a的列標和b的行標進行排序，這樣得到的排序結果如下：a[2][1]，b[1][3]，a[2][2]，b[2][3]，...這樣我們可以直接將相鄰兩個值相乘然後求和即可獲得最終的c[2][3]的值。這裡不要誤會，reduce是先排序，然後再對排序結果進行遍歷時才調用分組比較器判斷組的，這裡先介紹分組後介紹排序只是因為方便講解。所以在排序時實際上我們實現按照key的第一個矩陣對象，即c矩陣進行排序，然後再根據第二個對象進行排序。
5.在計算出c[i][j]的值之後我們需要將其寫入到輸出文件中，同時我們想要保持良好的顯示風格，保持矩陣的順序，因為在排序時已經保證了矩陣的順序，所以我們只需順序寫入輸出文件即可，但是我們需要合理的換行。實現方法是自定義RecordWriter對象，然後在每次調用RecordWriter的write方法時將參數key保存到一個變量中(last)，然後每次調用該方法時將last的行標同key的行標進行比較，如果相同則不換行，不相同則換行。
以上就是我的整個實現思想，如有不妥之處還望賜教，順便附上自己的代碼，在運行時可以先調用util裡的FileUtil寫兩個矩陣文件，這裡需說明下因為在計算過程中需要根據文件名區分a和b矩陣，所以a矩陣的文件名需要包含”1“，而b矩陣的文件名不能包含1，則文件中每行的第一個值是行號，且從1開始。也可以直接使用files裡面的文件。
<<請將文件上傳到hdfs中>>
該方法支持文件切分，但是最好使用一個reduce，因為多個reduce會將結果輸出到多個文件，不易查看。