MapReduce多表关联实验

来源：互联网发布：db2和mysql 迁移编辑：程序博客网时间：2024/06/06 23:19

一、实例描述

多表关联是通过对原始数据进行一定的处理，从其中挖掘出关心的信息。

二、数据描述

输入是两个文件，一个代表工厂表，包含工厂名列和地址号列；另一个代表地址表，包含地址名列和地址编号列。要求从输入数据中找出工厂名和地址名的对应关系，输出工厂名---地址名表。

样例输入：

Factory: address:

factoryname addressed addressID addressname

Beijing Red Star 1 1 Beijing

Shenzhen Thunder 3 2 Guangzhou

Guangzhou Honda 2 3 Shenzhen

Beijing Rising 1 4 Xian

GuangzhouDevelopment Bank 2

Tencent 3

Back of Beijing 1

三、设计思路

多表关联和单表关联类似，都类似于数据库中的自然连接。相比单表关联，多表关联的左右表和连接列更加清楚，因此可以采用和单表关联相同的处理方式。Map识别出输入的行属于哪个表之后，对其进行分割，将连接的列值保存在key中，另一列和左右表标志保存在value中，然后输出。Reduce拿到连接结果后，解析value内容，根据标志将左右表内容分开存放，然后求笛卡尔积，最后直接输出。

四、程序代码

package HadoopShiZhang2;

import java.io.IOException;

import java.net.URI;

import java.util.*;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.FileSystem;

import org.apache.hadoop.fs.Path;

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.input.TextInputFormat;

import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

//程序以调试成功

public classMTjoin {

public static int time = 0;

/*多表关联和单表关联类似，它也是通过对原始数据进行一定的处理，从其中挖掘出关心的信息。如下输入的是两个文件，

* 一个代表工厂表，包含工厂名列和地址编号列；另一个代表地址表，

* 包含地址名列和地址编号列。要求从输入数据中找出工厂名和地址名的对应关系，输出工厂名-地址名表

static final String INPUT_PATH ="hdfs://chaoren:9000/MTjoin";

static final String OUT_PATH ="hdfs://chaoren:9000/out";

public static void main(String[] args)throws Exception {

final Configuration conf =new Configuration();

final FileSystem fileSystem =FileSystem.get(new URI(INPUT_PATH), conf);

final Path outPath =new Path(OUT_PATH);

if(fileSystem.exists(outPath)){

fileSystem.delete(outPath,true);

}

final Job job =new Job(conf,MTjoin.class.getSimpleName());

FileInputFormat.setInputPaths(job,INPUT_PATH);

job.setInputFormatClass(TextInputFormat.class);

job.setMapperClass(Map.class);

job.setMapOutputKeyClass(Text.class);

job.setMapOutputValueClass(Text.class);

//job.setPartitionerClass(HashPartitioner.class);

//job.setNumReduceTasks(1);

//job.setCombinerClass(Reduce.class);

job.setReducerClass(Reduce.class);

job.setOutputKeyClass(Text.class);

job.setOutputValueClass(Text.class);

FileOutputFormat.setOutputPath(job,outPath);

job.setOutputFormatClass(TextOutputFormat.class);

job.waitForCompletion(true);

}

/**

* 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<Object, Text, Text, Text> {

// 实现map函数

public void map(Object key, Text value, Context context)

throws IOException,InterruptedException {

String line = value.toString();//每行文件

String relationtype = 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

StringTokenizer itr = new StringTokenizer(line);

String mapkey = new String();

String mapvalue = new String();

int i = 0;

while (itr.hasMoreTokens()) {

// 先读取一个单词

String token = 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。

publicstaticclassReduceextendsReducer<Text, Text, Text, Text> {

// 实现reduce函数

public void reduce(Text key, Iterable<Text>values, Context context)

throws IOException, InterruptedException {

// 输出表头

if (0 ==time) {

context.write(new Text("factoryname"),newText("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()) {

String record =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 < factorynum; m++) {

for (int n = 0; n < addressnum; n++) {

// 输出结果

context.write(new Text(factory[m]),

new Text(address[n]));

}

五、实验结果

运行程序后查看结果：

0 0