一、Reduce Join

① Reduce Join工作原理

Map端的主要工作:为来自不同表或文件的key/value对,打标签以区别不同来源的记录。然后用连接字段（公共字段）作为key,其余部分和新加的标志作为 value,最后进行输出。
Reduce端的主要工作:在 Reduce端以连接字段作为key的分组已经完成,我们只需要在每一个分组当中将那些来源于不同文件的记录(在Map阶段已经打标志)分开,最后进行合并就ok了。

返回顶部

② Reduce Join 案例

☠ 需求

返回顶部

☠ 案例分析

通过将关联条件作为Map输出的key，将两表满足Join条件的数据并携带数据所来源的文件信息，发往同一个ReduceTask，在Reduce中进行数据的串联。

返回顶部

☠ 代码实现

封装Bean对象

package 第三章_MR框架原理.多种join应用;import org.apache.hadoop.io.Writable;import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;public class TableBean implements Writable{// id pid amountprivate String id; // 订单idprivate String pid;// 产品idprivate int amount;// 产品数量// pid pnameprivate String pname;// 产品名称private String flag; // 定义一个标记，标记是订单表还是产品表/*** 空参构造*/public TableBean() {}/***  有参构造* @param id* @param pid* @param amount* @param pname* @param flag*/public TableBean(String id, String pid, int amount, String pname, String flag) {this.id = id;this.pid = pid;this.amount = amount;this.pname = pname;this.flag = flag;}/*** 序列化* @param dataOutput* @throws IOException*/@Overridepublic void write(DataOutput dataOutput) throws IOException {dataOutput.writeUTF(id);dataOutput.writeUTF(pid);dataOutput.writeInt(amount);dataOutput.writeUTF(pname);dataOutput.writeUTF(flag);}/*** 反序列化* @param dataInput* @throws IOException*/@Overridepublic void readFields(DataInput dataInput) throws IOException {id = dataInput.readUTF();pid = dataInput.readUTF();amount = dataInput.readInt();pname = dataInput.readUTF();flag = dataInput.readUTF();}/*** 重写toString* @return*/@Overridepublic String toString() {return  id + '\t' + pname + '\t' + amount + '\'';}/*** set、get* @return*/public String getId() {return id;}public void setId(String id) {this.id = id;}public String getPid() {return pid;}public void setPid(String pid) {this.pid = pid;}public int getAmount() {return amount;}public void setAmount(int amount) {this.amount = amount;}public String getPname() {return pname;}public void setPname(String pname) {this.pname = pname;}public String getFlag() {return flag;}public void setFlag(String flag) {this.flag = flag;}
}

返回顶部

Mapper阶段

与之前有所不同：

需要重写setUp()方法，通过切片信息获取文件名称，判断读取的是哪个文件
map()方法中要对读取的文件判断处理

package 第三章_MR框架原理.多种join应用;import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;import java.io.IOException;public class TableMap extends Mapper<LongWritable, Text, Text, TableBean> {String name;Text k = new Text();TableBean v = new TableBean();@Overrideprotected void setup(Context context) throws IOException, InterruptedException {// 获取文件的名称 --- 通过切片信息获取FileSplit inputSplit = (FileSplit) context.getInputSplit();name = inputSplit.getPath().getName();}@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {// id pid amount// 1001   01  1// pid pname// 01  小米// 1.获取一行数据String line = value.toString();// 2.判断数据来源if (name.startsWith("order")) {  // 订单表数据// 3.封装输出的key、valueString[] fields = line.split("\t");String id = fields[0];String pid = fields[1];int amount = Integer.parseInt(fields[2]);v.setId(id);v.setPid(pid);v.setAmount(amount);v.setPname("");      // 没有传入空字符串，但不能不写，因为序列化的时候有v.setFlag("order");  // 设定标记 --- order表k.set(pid);// 4.写出context.write(k,v);} else {  // 产品表数据// 3.封装输出的key、valueString[] fields = line.split("\t");String pid = fields[0];String pname = fields[1];v.setId("");       // 没有传入空字符串，但不能不写，因为序列化的时候有v.setPid(pid);     // 没有传入默认值0v.setAmount(0);v.setPname(pname);v.setFlag("opd");  // 设定标记 --- order表k.set(pid);// 4.写出context.write(k,v);}}
}

返回顶部

Reducer阶段

package 第三章_MR框架原理.多种join应用;import org.apache.commons.beanutils.BeanUtils;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
import java.util.ArrayList;public class TableReduce extends Reducer<Text,TableBean,TableBean, NullWritable> {@Overrideprotected void reduce(Text key, Iterable<TableBean> values, Context context) throws IOException, InterruptedException {// 1.存储所有订单的集合 --- orderArrayList<TableBean> orderBeans = new ArrayList<>();// 2.存储产品信息 --- pdTableBean pdBean = new TableBean();// 3.遍历存储for (TableBean value:values){               // 循环TableBean对象if ("order".equals(value.getFlag())){   // 读取标记，判定为订单表// 创建临时TableBean对象TableBean temp = new TableBean();try {// 将当前循环到的对象内容拷贝到临时TableBean对象BeanUtils.copyProperties(temp,value);// 将其添加到集合中orderBeans.add(temp);} catch (Exception e){e.printStackTrace();}}else{                                  // 读取标记，判定为产品表try {// 将当前循环到的对象内容拷贝到BeanUtils.copyProperties(pdBean,value);} catch (Exception e){e.printStackTrace();}}}// 4.将设置对应的产品名称，写出for (TableBean tableBean:orderBeans){tableBean.setPname(pdBean.getPname());context.write(tableBean,NullWritable.get());}}
}

这里说明一下，为什么一个是集合，一个是对象：

相同的key可以同时进入到同一个reduce()中，在MapTask的时候对key进行了默认排序
如下图所示，一个reduce中只能获取01部分（或02或03）的数据集
而对应的每个部分中的order表数据不止一条，但是pd表数据只有一条，所以分别用集合、对象来存储。

返回顶部

Driver阶段

package 第三章_MR框架原理.多种join应用;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class TableDriver {public static void main(String[] args) {Job job = null;Configuration conf = new Configuration();try{// 1.获取jobjob = Job.getInstance(conf);// 2.配置job.setMapperClass(TableMap.class);job.setReducerClass(TableReduce.class);job.setJarByClass(TableDriver.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(TableBean.class);job.setOutputKeyClass(TableBean.class);job.setOutputValueClass(NullWritable.class);// 设置输入输出路径FileInputFormat.setInputPaths(job,new Path("G:\\Projects\\IdeaProject-C\\MapReduce\\src\\main\\java\\第三章_MR框架原理\\多种join应用\\data"));FileOutputFormat.setOutputPath(job,new Path("G:\\Projects\\IdeaProject-C\\MapReduce\\src\\main\\java\\第三章_MR框架原理\\多种join应用\\output"));// 提交jobboolean result = job.waitForCompletion(true);System.exit(result? 0:1);} catch (Exception e){e.printStackTrace();}}
}

返回顶部

☠ 总结

返回顶部

【MapReduce】基础案例 ---- Reduce Join 实现数据合并(表连接)相关推荐

Python数据分析【第9天】| DataFrame的属性编码、数据合并和连接（get_dummies，merge，join，concat）
系列文章目录第1天:读入数据第2天:read().readline()与readlines() 第3天:进度条(tqdm模块) 第4天:命令行传参(argparse模块) 第5天:读.写json文 ...
Mysql基础篇（1）—— 基础概念、DML基本语法和表连接
前言 Mysql基础篇相关的内容是看了康师傅的视频做的笔记吧数据库相关概念 DB: 数据库(Database) 存储数据的仓库,本质是一个文件系统.它保存了一系列有组织的数据. DBMS:数据库 ...
R语言数据合并与连接技巧
最近仍然在陆陆续续自学,真.生命不息学习不止,这次和大家分享一些实用的数据处理技巧,干货满满! 一.数据合并涉及函数cbind(),rbind(),bind_rows(),bind_cols(). ...
delete表1条件是另一个表中的数据,多表连接删除(转)
DELETE删除多表数据,怎样才能同时删除多个关联表的数据呢?这里做了深入的解释: 1. delete from t1 where 条件 2.delete t1 from t1 where 条件 3. ...
delete表1条件是另一个表中的数据,多表连接删除
2019独角兽企业重金招聘Python工程师标准>>> 数据库中有两张表. DELETE cdb_posts,cdb_threads FROM cdb_posts ,cdb_thre ...
Reduce Join介绍及案例
Reduce Join介绍及案例 Reduce Join介绍 Reduce Join案例需求 1.需求说明 2.文件案例分析 1.需求分析 2.输入数据 3.期望输出数据 4.MapTask 5. ...
Pandas简明教程：九、表的合并、连接、拼接（数据聚合基础）
真实场景中常会遇到多种信息放在不同的表里的情况,此时我们就需要将这些表格的信息整合到一起.这种操作可以极大地减轻我们手动粘数据的工作,从而达到事半功倍的效果. 由于本篇要举的例子较多,因此直接采用官网 ...
数据合并之concat、append、merge和join
Pandas 是一套用于 Python 的快速.高效的数据分析工具.它可以用于数据挖掘和数据分析,同时也提供数据清洗功能.本文将详细讲解数据合并与连接,目录如下: ① concat 一.定义 conc ...
Pandas 中DataFrame 数据合并 Contract | Merge
最近在工作中,遇到了数据合并.连接的问题,故整理如下,供需要者参考~ 参考自:象在舞:https://blog.csdn.net/gdkyxy2013/article/details/80785361 ...

【MapReduce】基础案例 ---- Reduce Join 实现数据合并(表连接)

文章目录

一、Reduce Join

① Reduce Join工作原理

② Reduce Join 案例

☠ 需求

☠ 案例分析

☠ 代码实现

封装Bean对象

Mapper阶段

Reducer阶段

Driver阶段

☠ 总结

【MapReduce】基础案例 ---- Reduce Join 实现数据合并(表连接)相关推荐

最新文章

热门文章