Mapreduce实现MapSideJoin

当连接的两个表是一个比较小的表和一个特别大的表的时候，我们把比较小的table直接放到内存中去，然后再对比较大的表格进行map操作。join就发生在map操作的时候，每当扫描一个大的table中的数据，就要去去查看小表的数据，哪条与之相符，继而进行连接。这里的join并不会涉及reduce操作。map端join的优势就是在于没有shuffle。
比如产品表很小，存储了几条产品信息，但是订单表却很庞大，相同的商品可以被很多人购买。

package com.bpf.mr.mapsidejoin;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 MapSideJoin {    static class MapSideJoinMapper extends Mapper<LongWritable, Text, Text, NullWritable>{        //用一个hashmap来保存产品信息表        Map<String, String> pdInfoMap = new HashMap<String, String>();        Text k = new Text();        //setup方法是在maptask处理数据之前调用一次，可以用来做一些初始化工作        @Override        protected void setup(Context context) throws IOException, InterruptedException {            BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream("D:/测试数据/product.txt")));            String line;            while(StringUtils.isNotEmpty(line = reader.readLine())){                String[] split = line.split(",");                pdInfoMap.put(split[0], split[1]);            }            reader.close();        }        //由于已经持有完整的产品信息表，所以再map中就可以实现join(连接)逻辑         @Override        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {            String orderLine = value.toString();            String[] orders = orderLine.split(",");            String pdName = pdInfoMap.get(orders[2]);            k.set(orderLine + "," + pdName);            context.write(k, NullWritable.get());        }    }    public static void main(String[] args) throws Exception {        Configuration conf = new Configuration();        Job job = Job.getInstance(conf);        job.setJarByClass(MapSideJoin.class);        job.setMapperClass(MapSideJoinMapper.class);        job.setOutputKeyClass(Text.class);        job.setOutputValueClass(NullWritable.class);        FileInputFormat.setInputPaths(job, new Path("D:\\测试数据\\输入"));        FileOutputFormat.setOutputPath(job, new Path("D:\\测试数据\\输出"));        //指定需要缓存一个文件到所有的maptask运行节点工作目录        //job.addArchiveToClassPath(archive); 缓存jar包到task运行节点的classpath中        //job.addCacheArchive(uri); 缓存压缩包文件到task运行节点的工作目录        //job.addCacheFile(uri); 缓存普通文件到task运行节点的工作目录        //job.addFileToClassPath(file); 缓存普通文件到task运行节点的classpath中        //将产品表文件缓存到task工作节点的工作目录中去        job.addCacheFile(new URI("file:/D:/测试数据/product.txt"));        //map端join的逻辑不需要reduce        job.setNumReduceTasks(0);        boolean res = job.waitForCompletion(true);        System.exit(res?0:1);    }}