Hadoop之表的关联

实例来自于《Hadoop实战》5.4和5.5节，也见于《Hadoop集群（第9期）_MapReduce初级案例》。

第一个实例是单表关联，给出child-parent表，要求输出grandchild-grandparent表。

在关系数据库里这是一个连接操作，用MapReduce来处理我觉得效率变低了，但可以处理海量的数据。

我对其进行了些许改进。简要描述如下。

map输入的每行数据，拆分为两条数据，比如A B，变成A <B和B >A两条，前者表示A是B的child，后者表示B是A的parent；

reduce依次处理每个人的关系，它将此人的parent存入一个数组中，将此人的child存入一个数组中，然后这对两个数组进行笛卡尔积运算即可。

输入数据之间必须用一个空格来分隔。

import java.io.IOException;
import java.util.StringTokenizer;
import java.util.Iterator;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class joint
{
    public static int once = 0;
    public static class MyMapper
        extends Mapper<Object, Text, Text, Text>
    {
        public void map(Object key, Text value, Context context)
        throws IOException, InterruptedException
        {
            int i = 0;
            String line = value.toString();
            while(line.charAt(i) != ' ') ++i;
            String[] values = {line.substring(0,i),line.substring(i+1)};
            if(values[0].compareTo("child") != 0)
            {
                context.write(new Text(values[0]), new Text("<"+values[1]));
                context.write(new Text(values[1]), new Text(">"+values[0]));
            }
        }
    }

    public static class MyReducer
        extends Reducer<Text,Text,Text,Text>
    {
        public void reduce(Text key, Iterable<Text> values, Context context)
        throws IOException, InterruptedException
        {
            if(once == 0)
            {
                context.write(new Text("grandchild"),new Text("grandparent"));
                ++once;
            }
            int grandchildnum = 0;
            int grandparentnum = 0;
            String grandchild[] = new String[10];
            String grandparent[] = new String[10];
            Iterator ite = values.iterator();
            while(ite.hasNext())
            {
                String record = ite.next().toString();
                if(record.charAt(0) == '<')
                {
                    grandparent[grandparentnum++] = record.substring(1);
                }
                else if(record.charAt(0) == '>')
                {
                    grandchild[grandchildnum++] = record.substring(1);
                }
            }

            if(grandchildnum != 0 && grandparentnum != 0)
            {
                for(int m = 0; m<grandchildnum; ++m)
                    for(int n = 0; n<grandparentnum; ++n)
                        context.write(new Text(grandchild[m]),new Text(grandparent[n]));
            }

        }
    }

    public static void main(String[] args) throws Exception
    {
        Configuration conf = new Configuration();
        Job job = new Job(conf, "number sort");
        job.setJarByClass(joint.class);
        job.setMapperClass(MyMapper.class);
        job.setReducerClass(MyReducer.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);

        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

第二个实例差不多。就不说了。