用java编写程序，将数字由大到小降序排列输出

可以使用以下代码实现：

import java.util.Arrays;

public class Main {
    public static void main(String[] args) {
        int[] nums = {5, 2, 9, 1, 5, 6};
        Arrays.sort(nums);
        for (int i = nums.length - 1; i >= 0; i--) {
            System.out.print(nums[i] + " ");
        }
    }
}

这段代码将数组中的数字进行排序，并按照降序输出。

相关问题

用java写出，3.随机产生50个30到35的整数，统计每个数字出现的次数(TreeMap实现)，输出 时按照数字的降序排列，并且统计出现次数最多的数字和它的次数。 PS：如果有两个数字出现的次数一样，则只需输出其中一个。

以下是使用Java编写的一个示例程序，它使用TreeMap存储生成的随机整数及其出现次数，并按降序排序：

import java.util.*;
import java.util.concurrent.ThreadLocalRandom;

public class Main {
    public static void main(String[] args) {
        // 定义范围和数量
        int lowerBound = 30;
        int upperBound = 35;
        int count = 50;
        
        // 使用TreeMap存储键值对，键是数字，值是出现次数
        Map<Integer, Integer> frequencyMap = new TreeMap<>(Collections.reverseOrder());

        // 随机生成并统计数字出现次数
        for (int i = 0; i < count; i++) {
            int randomNum = ThreadLocalRandom.current().nextInt(lowerBound, upperBound + 1);
            frequencyMap.put(randomNum, frequencyMap.getOrDefault(randomNum, 0) + 1);
        }

        // 输出结果
        System.out.println("数字及其出现次数（降序）:");
        for (Map.Entry<Integer, Integer> entry : frequencyMap.entrySet()) {
            System.out.println("数字: " + entry.getKey() + ", 出现次数: " + entry.getValue());
        }

        // 找出出现次数最多的数字及其次数
        int maxFrequency = 0;
        int mostFrequentNumber = -1;
        for (Map.Entry<Integer, Integer> entry : frequencyMap.entrySet()) {
            if (entry.getValue() > maxFrequency) {
                maxFrequency = entry.getValue();
                mostFrequentNumber = entry.getKey();
            }
        }

        System.out.println("\n出现次数最多的数字: " + mostFrequentNumber + ", 出现次数: " + maxFrequency);

        // 如果有多个数字出现次数相同，这里只输出一个，可以根据需求调整
    }
}

这个程序首先创建了一个`TreeMap`，然后通过循环生成指定范围内的随机数，并更新该数字在map中的计数值。最后遍历map输出所有数字及其出现次数，并找出出现次数最多的数字。

请利用HDFS之JavaAPI将文件上传到HDFS， 使用MapReduce编写程序，打成Jar包在hadoop集群上运行，程序要求实现的功能是：分析出最大的10个数，并降序输出，保存在HDFS上。

首先，你需要安装并配置Hadoop环境，包括HDFS和MapReduce框架。然后，你可以通过以下步骤完成这个任务：

1. **添加依赖**:
- 导入Hadoop的Java API，通常在`com.hadoop.hdfs`和`org.apache.hadoop.mapreduce`包下。

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

2. **创建Mapper类**:
- Mapper将输入分割成键值对，这里我们可以直接读取文本行作为键值对，键通常是Text类型，值是IntWritable类型。

public class NumberCountMapper extends Mapper<Object, Text, IntWritable, Text> {
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    @Override
    protected void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        // 解析输入文件中的数字
        String[] numbers = value.toString().split(",");
        for (String num : numbers) {
            int number = Integer.parseInt(num);
            word.set(Integer.toString(number));
            context.write(one, word);
        }
    }
}

3. **创建Reducer类**:
- Reducer聚合键相关的值，这里我们需要找出最大值及其计数。

public class TopNumbersReducer extends Reducer<IntWritable, Text, IntWritable, Text> {
    private IntWritable result = new IntWritable();
    private Text topNumber = new Text();

    @Override
    protected void reduce(IntWritable key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        int sum = 0;
        for (Text value : values) {
            sum += key.get(); // 因为我们只传一个键，所以sum就是单个数值的计数
        }

        if (result.get() < sum) {
            result.set(sum);
            topNumber.set(value.toString()); // 取当前处理的最大数
        }
        context.write(result, topNumber);
    }
}

4. **主函数**:
- 定义Job，设置输入、输出路径，并提交作业。

public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "Top Numbers");
    job.setJarByClass(TopNumbersJob.class);
    job.setMapperClass(NumberCountMapper.class);
    job.setCombinerClass(Reducer.class); // 如果数据量小，可以考虑启用Combiner减少Shuffle过程
    job.setReducerClass(TopNumbersReducer.class);
    job.setOutputKeyClass(IntWritable.class);
    job.setOutputValueClass(Text.class);

    FileInputFormat.addInputPath(job, new Path(args[0])); // 输入文件路径
    FileOutputFormat.setOutputPath(job, new Path(args[1])); // 输出文件路径

    System.exit(job.waitForCompletion(true) ? 0 : 1);
}

5. **打包jar和运行**:
- 将上述代码整合到一个名为`TopNumbersJob.java`的文件中，然后使用`hadoop jar`命令在集群上运行。

hadoop jar your-top-numbers-job.jar com.example.TopNumbersJob /input/file /output/path

6. **验证结果**:
- 从HDFS输出目录获取结果文件，内容应包含最大的10个数，按降序排列。