MTJoinHadoop多表连接.docx
《MTJoinHadoop多表连接.docx》由会员分享，可在线阅读，更多相关《MTJoinHadoop多表连接.docx（13页珍藏版）》请在冰豆网上搜索。
MTJoinHadoop多表连接
import java.io.IOException;
import java.util.*;
import org.apache.hadoop.conf.Configuration;
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;
import org.apache.hadoop.util.GenericOptionsParser;
public class MTjoin{
public static int time =0;
/*
* 在map中先区分输入行属于左表还是右表，然后对两列值进行分割，
* 保存连接列在key值，剩余列和左右表标志在value中，最后输出
*/
public static class Map extends Mapper{
// 实现map函数
public void map（Objectkey,Textvalue,Contextcontext）
throws IOException,InterruptedException{
Stringline=value.toString（）;// 每行文件
Stringrelationtype= new String（）;// 左右表标识
// 输入文件首行，不处理
if （line.contains（"factoryname"）== true
||line.contains（"addressed"）== true）{
return;
}
// 输入的一行预处理文本
StringTokenizeritr= new StringTokenizer（line）;
Stringmapkey= new String（）;
Stringmapvalue= new String（）;
int i=0;
while （itr.hasMoreTokens（））{
// 先读取一个单词
Stringtoken=itr.nextToken（）;
// 判断该地址ID就把存到"values[0]"
if （token.charAt（0）>= '0' &&token.charAt（0）<= '9'）{
mapkey=token;
if （i>0）{
relationtype= "1";
} else {
relationtype= "2";
}
continue;
}
// 存工厂名
mapvalue+=token+ "";
i++;
}
// 输出左右表
context.write（new Text（mapkey）, new Text（relationtype+ "+"+mapvalue））;
}
}
/*
*reduce解析map输出，将value中数据按照左右表分别保存，
* 然后求出笛卡尔积，并输出。
*/
public static class Reduce extends Reducer{
// 实现reduce函数
public void reduce（Textkey,Iterablevalues,Contextcontext）
throws IOException,InterruptedException{
// 输出表头
if （0== time）{
context.write（new Text（"factoryname"）, new Text（"addressname"））;
time++;
}
int factorynum=0;
String[]factory= new String[10];
int addressnum=0;
String[] address = new String[10];
Iterator ite=values.iterator（）;
while （ite.hasNext（））{
Stringrecord=ite.next（）.toString（）;
int len=record.length（）;
int i=2;
if （0==len）{
continue;
}
// 取得左右表标识
char relationtype=record.charAt（0）;
// 左表
if （'1' ==relationtype）{
factory[factorynum]=record.substring（i）;
factorynum++;
}
// 右表
if （'2' ==relationtype）{
address[addressnum]=record.substring（i）;
addressnum++;
}
}
// 求笛卡尔积
if （0!
=factorynum&&0!
=addressnum）{
for （int m=0;m for （int n=0;n // 输出结果
context.write（new Text（factory[m]）,
new Text（address[n]））;
}
}
}
}
}
public static void main（String[]args） throws Exception{
Configurationconf= new Configuration（）;
// 这句话很关键
conf.set（"mapred.job.tracker", "192.168.1.2:
9001"）;
String[]ioArgs= new String[]{ "MTjoin_in", "MTjoin_out" };
String[]otherArgs= new GenericOptionsParser（conf,ioArgs）.getRemainingArgs（）;
if （otherArgs.length !
=2）{
System.err.println（"Usage:
MultipleTableJoin"）;
System.exit
（2）;
}
Jobjob= new Job（conf, "MultipleTableJoin"）;
job.setJarByClass（MTjoin.class）;
// 设置Map和Reduce处理类
job.setMapperClass（Map.class）;
job.setReducerClass（Reduce.class）;
// 设置输出类型
job.setOutputKeyClass（Text.class）;
job.setOutputValueClass（Text.class）;
// 设置输入和输出目录
FileInputFormat.addInputPath（job, new Path（otherArgs[0]））;
FileOutputFormat.setOutputPath（job, new Path（otherArgs[1]））;
System.exit（job.waitForCompletion（true）?
0:
1）;
}
}
importjava.io.IOException;
importjava.util.*;
importorg.apache.Hadoop.conf.Configuration;
importorg.apache.hadoop.fs.Path;
importorg.apache.hadoop.io.IntWritable;
importorg.apache.hadoop.io.Text;
importorg.apache.hadoop.mapreduce.Job;
importorg.apache.hadoop.mapreduce.Mapper;
importorg.apache.hadoop.mapreduce.Reducer;
importorg.apache.hadoop.mapreduce.lib.input.FileInputFormat;
importorg.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
importorg.apache.hadoop.util.GenericOptionsParser;
publicclassMTjoin{
publicstaticinttime=0;
/*
*在map中先区分输入行属于左表还是右表，然后对两列值进行分割，
*保存连接列在key值，剩余列和左右表标志在value中，最后输出
*/
publicstaticclassMapextendsMapper{
//实现map函数
publicvoidmap（Objectkey,Textvalue,Contextcontext）
throwsIOException,InterruptedException{
Stringline=value.toString（）;//每行文件
Stringrelationtype=newString（）;//左右表标识
//输入文件首行，不处理
if（line.contains（"factoryname"）==true
||line.contains（"addressed"）==true）{
return;
}
//输入的一行预处理文本
StringTokenizeritr=newStringTokenizer（line）;
Stringmapkey=newString（）;
Stringmapvalue=newString（）;
inti=0;
while（itr.hasMoreTokens（））{
//先读取一个单词
Stringtoken=itr.nextToken（）;
//判断该地址ID就把存到"values[0]"
if（token.charAt（0）>='0'&&token.charAt（0）<='9'）{
mapkey=token;
if（i>0）{
relationtype="1";
}else{
relationtype="2";
}
continue;
}
//存工厂名
mapvalue+=token+"";
i++;
}
//输出左右表
context.write（newText（mapkey）,newText（relationtype+"+"+mapvalue））;
}
}
/*
*reduce解析map输出，将value中数据按照左右表分别保存，
*然后求出笛卡尔积，并输出。
*/
publicstaticclassReduceextendsReducer{
//实现reduce函数
publicvoidreduce（Textkey,Iterablevalues,Contextcontext）
throwsIOException,InterruptedException{
//输出表头
if（0==time）{
context.write（newText（"factoryname"）,newText（"addressname"））;
time++;
}
intfactorynum=0;
String[]factory=newString[10];
intaddressnum=0;
String[]address=newString[10];
Iteratorite=values.iterator（）;
while（ite.hasNext（））{
Stringrecord=ite.next（）.toString（）;
intlen=record.length（）;
inti=2;
if（0==len）{
continue;
}
//取得左右表标识
charrelationtype=record.charAt（0）;
//左表
if（'1'==relationtype）{
factory[factorynum]=record.substring（i）;
factorynum++;
}
//右表
if（'2'==relationtype）{
address[addressnum]=record.substring（i）;
addressnum++;
}
}
//求笛卡尔积
if（0!
=factorynum&&0!
=addressnum）{
for（intm=0;m for（intn=0;n //输出结果
context.write（newText（factory[m]）,
newText（address[n]））;
}
}
}
}
}
publicstaticvoidmain（String[]args）throwsException{
Configurationconf=newConfiguration（）;
//这句话很关键
// conf.set（"mapred.job.tracker","192.168.1.2:
9001"）;
//可使用args
// String[]ioArgs=newString[]{"MTjoin_in","MTjoin_out"};
String[]otherArgs=newGenericOptionsParser（conf,args）.getRemainingArgs（）;
if（otherArgs.length!
=2）{
System.err.println（"Usage:
MultipleTableJoin"）;
System.exit
（2）;
}
Jobjob=newJob（conf,"MultipleTableJoin"）;
job.setJarByClass（MTjoin.class）;
//设置Map和Reduce处理类
job.setMapperClass（Map.class）;
job.setReducerClass（Reduce.class）;
//设置输出类型
job.setOutputKeyClass（Text.class）;
job.setOutputValueClass（Text.class）;
//设置输入和输出目录
FileInputFormat.addInputPa
升级会员 