HadoopMapReduce单表关联

package com.singlejoin;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
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;
import org.apache.hadoop.util.GenericOptionsParser;
public class Entry {
	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
		Configuration conf = new Configuration();
		String[] otherarg = new GenericOptionsParser(conf, args)
				.getRemainingArgs();
		if (otherarg.length != 2) {
			System.out.println("error!");
			System.exit(2);
		}
		@SuppressWarnings("deprecation")
		Job job = new Job(conf, "STjoin");
		job.setJarByClass(Entry.class);
		job.setMapperClass(JoinMapper.class);
		job.setReducerClass(JoinReducer.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(Text.class);
		FileInputFormat.addInputPath(job, new Path(otherarg[0]));
		FileOutputFormat.setOutputPath(job, new Path(otherarg[1]));
		System.exit(job.waitForCompletion(true) ? 0 : 1);
	}
}
package com.singlejoin;

import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class JoinMapper extends Mapper<Object, Text, Text, Text> {
	public void map(Object key, Text value, Context context)
			throws IOException, InterruptedException {
            String []line=value.toString().split(" ");
            String s1='L'+line[0];
            String s2='R'+line[1];
            context.write(new Text(line[1]),new Text(s1));
            context.write(new Text(line[0]), new Text(s2));
	}

}
package com.singlejoin;
import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class JoinReducer extends Reducer<Text, Text, Text, Text> {
	public void reduce(Text key, Iterable<Text> values, Context context)
			throws IOException, InterruptedException {
		String[] child = new String[10];
		String[] grandpa = new String[10];
		int childnum = 0, grandpanum = 0;
		for (Text line : values) {
			String s = line.toString();
			if (s.charAt(0) == 'L') {
				child[childnum] = s.substring(1);
				childnum++;
			} else {
				grandpa[grandpanum] = s.substring(1);
				grandpanum++;
			}
		}
		for (int i = 0; i < childnum; i++) {
			for (int j = 0; j < grandpanum; j++) {
				context.write(new Text(child[i]), new Text(grandpa[j]));
			}
		}
	}

}

实例中给出child-parent（孩子——父母）表，要求输出grandchild-grandparent（孙子——爷奶）表。
输入样例：
Lucy        Ben
Jack        Alice
Jack        Jesse
Terry        Alice
Terry        Jesse
Philip        Terry
Philip        Alma
Mark        Terry
Mark        Alma
输出样例：
grandchild        grandparent 
Tom            　　Alice
Tom            　　Jesse
Jone            　　Alice
Jone           　　 Jesse
Tom            　　Mary
Tom            　　Ben
Jone           　　 Mary
Jone           　　 Ben
Philip          　　  Alice
Philip            　　Jesse
Mark           　　 Alice

Mark           　　 Jesse

设计思路

分析这个实例，显然需要进行单表连接，连接的是左表的parent列和右表的child列，且左表和右表是同一个表；连接结果中除去连接的两列就是所需要的结果——“child--grandparent”表。要用MapReduce解决这个实例，首先应该考虑如何实现表的自连接；其次就是连接列的设置；最后是结果的整理。

考虑到MapReduce的shuffle过程会将相同的key会连接在一起，所以可以将map结果的key设置成待连接的列，然后列中相同的值就自然会连接在一起了；再与最开始的分析联系起来：要连接的是左表的parent列和右表的child列，且左表和右表是同一个表，所以在map阶段将读入数据分割成child和parent之后，会将parent设置成key，child设置成value进行输出，并作为左表；再将同一对child和parent中的child设置成key，parent设置成value进行输出，作为右表。

为了区分输出中的左右表，需要在输出的value中再加上左右表的信息，比如在value的String最开始处加上字符L表示左表，加上字符R表示右表。这样在map的结果中就形成了左表和右表，然后在shuffle过程中完成连接。reduce接收到连接的结果，其中每个key的value-list就包含了"grandchild--grandparent"关系。取出每个key的value-list进行解析，将左表中的child放入一个数组，右表中的parent放入一个数组，然后对两个数组求笛卡尔积就是最后的结果了。