在一张很大的数据库表中,这张表有6个字段,要求查找出具有指定的三个字段相同的记录,并且这些记录的总和要大于等于3,如果使用SQL语句的话,就很慢,至少我使用了30多分钟,而且还没有写好SQL语句,现在我使用了MapReducer进行编程,大致思路如下:
1 在Map阶段,对要求的 三个字段合并,使用复合键值对,让map端自带的排序功能排序;
2 使用combiner合并具有相同的key的记录,输出;
3 在reduce阶段判断记录数大于等于3的记录输出,并且合并具有相同的key的记录;
之所以要在reduce阶段做判断,因为可能对于同一个文件split的结果使得在map阶段有的相同的key被分配到了不同的map,会造成结果不一致
代码如下:
package alibaba;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apach