Map端join算法实现，解决Reduce端数据倾斜，负载不均（分布式缓存）

1.需求：

订单数据表t_order：

关系数据库表-

id

date

pid

amount

1001

20150710

P0001

2

1002

20150710

P0001

3

1002

20150710

P0002

3

抽象成文件数据：

1001,20150710,P0001,2
1002,20150710,P0001,3
1003,20150710,P0002,3
1002,20150710,P0003,3
1002,20150710,P0002,4

。。。。。。
商品信息表t_product：

id

pname

P0001

小米5

P0002

魅族

抽象成文件数据：
p0001,小米
p0002,魅族
p0003,oppo

 。。。。。。

现在要把2个文件通过pID进行关联，如果按照上一遍文章，在Reduce中做关联那么问题来了，如果小米手机的订单量远远大于魅族手机的订单量，这样就会产生处理小米手机的ReduceTask任务量很大，执行时间久，而处理魅族的ReduceTask任务轻很快就执行完了，出现了负载不均衡，数据倾斜。

2.实现

鉴于是小数据量的表和大数据量的表进行join,可以用分布式缓存把小表缓存到map节点，在map阶段直接使用，与大表进行join,不在reduce阶段进行join,避免数据倾斜,提高并发量和效率。

通过main函数先把缓存文件加载到节点（底层自动分发到map节点--分布式缓存）：

job.addCacheFile(“文件路径”);

代码：

package join;import java.io.BufferedReader;import java.io.FileInputStream;import java.io.IOException;import java.io.InputStreamReader;import java.net.URI;import java.util.HashMap;import java.util.Map;import org.apache.commons.lang.StringUtils;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.NullWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class MapJoin {static class JoinMapper extends Mapper<LongWritable,Text,Text,Text>{Map<String,String> pmap=new HashMap<String,String>();//装产品数据Text k=new Text();/*重写setup方法，看Mapper源码里面有个线程的run方法，  方法执行顺序是setup()-->map(),所以会先加载setup方法  */@Overrideprotected void setup(Context context)throws IOException, InterruptedException {//读取本地缓存中文件的数据BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream("product")));String line;//如果读取的一行数据不为空，则把产品数据切分，存储在pmap中while(StringUtils.isNotEmpty(line=br.readLine())){String[] fields = line.split(",");pmap.put(fields[0], fields[1]);//K为商品id，v为商品名}br.close();}//由于已经持有完整的产品信息表，所以直接在map中实现join操作，不需要reduce操作，就不会有数据倾斜@Overrideprotected void map(LongWritable key, Text value,Context context)throws IOException, InterruptedException {    String oline = value.toString();//获取订单信息    String[] fields = oline.split(",");    String pName = pmap.get(fields[2]);//根据pid获取pName    k.set(oline+","+pName);//数据拼接    context.write(k, new Text(""));//输出}}public static void main(String[] args) throws Exception {Configuration conf = new Configuration();Job job = Job.getInstance(conf);job.setJarByClass(MapJoin.class);job.setMapperClass(JoinMapper.class);job.setMapOutputKeyClass(Text.class);job.setOutputValueClass(NullWritable.class);FileInputFormat.setInputPaths(job, new Path(args[0]));//订单文件地址FileOutputFormat.setOutputPath(job, new Path(args[1]));//join后的文件数据地址//指定需要缓存文件到所有mapTask运行节点工作目录job.addCacheFile(new URI(args[2]));//args[2]缓存文件路径可以写死（product）//由于Map就把事情搞定了，所以不需要reduce阶段，reduceTask为0job.setNumReduceTasks(0);boolean res = job.waitForCompletion(true);System.exit(res?0:1);}}

结果：

1001,20150710,P0001,2,小米

。。。。。。

。。。。。。