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

骑着蜗牛ひ追导弹'

已于 2022-06-09 20:04:08 修改

阅读量2.2k

点赞数 6

分类专栏： # MapReduce练习文章标签： mapreduce

于 2021-01-21 15:06:59 首次发布

本文链接：https://blog.csdn.net/qq_45797116/article/details/112916734

版权

MapReduce练习专栏收录该内容

25 篇文章

订阅专栏

本文详细阐述了ReduceJoin的工作原理，通过实例展示了如何在Hadoop MapReduce中实现表关联操作。从封装Bean对象到Mapper和Reducer阶段的代码实现，以及Driver阶段的驱动流程，一步步揭示了如何利用ReduceJoin解决实际数据融合问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

一、Reduce Join

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

在这里插入图片描述
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。
在这里插入图片描述

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 amount
    private String id; // 订单id
    private String pid;// 产品id
    private int amount;// 产品数量
    // pid pname
    private 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
     */
    @Override
    public 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
     */
    @Override
    public 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
     */
    @Override
    public 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();
    @Override
    protected 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();

    }
    @Override
    protected 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、value
            String[] 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、value
            String[] 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0
            v.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> {
    @Override
    protected void reduce(Text key, Iterable<TableBean> values, Context context) throws IOException, InterruptedException {
        // 1.存储所有订单的集合 --- order
        ArrayList<TableBean> orderBeans = new ArrayList<>();
        // 2.存储产品信息 --- pd
        TableBean 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job
            job = 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job
            boolean result = job.waitForCompletion(true);
            System.exit(result? 0:1);
        } catch (Exception e){
            e.printStackTrace();
        }
    }
}