mapreduce的原理、框架以及hadoop MR与阿里云MR的异同这里不做讨论,这里主要介绍的是如何运用阿里云的mapreduce框架来实现多路输入输出。
大数据场景下的数据挖掘和数据计算中一般用mapreduce做单路输入的计算,但是多路输入输出在现实中也是有比较多的使用场景,比如两张表的join操作等等,最近我就遇到一个需要多路输入的需求。借着这个需求来解析一下这种mapreduce应用场景。
阿里云的mr输入输出都是odps上的表格,多路输入输出的载体也都是表格。话不多说,直接上代码。
package xxx.xxx.xxx import java.io.IOException; import java.text.SimpleDateFormat; import java.util.ArrayList; import java.util.Iterator; import com.aliyun.odps.data.Record; import com.aliyun.odps.data.TableInfo; import com.aliyun.odps.mapred.JobClient; import com.aliyun.odps.mapred.MapperBase; import com.aliyun.odps.mapred.ReducerBase; import com.aliyun.odps.mapred.conf.JobConf; import com.aliyun.odps.mapred.utils.InputUtils; import com.aliyun.odps.mapred.utils.OutputUtils; import com.aliyun.odps.mapred.utils.SchemaUtils; /** * Created by on 2018/1/10. * Package: * Project: shmx_2 * sql需要将原表分为两部分1:还未的记录 2:已经的记录 */ public class ExceptionalHotel { public static class Mapper extends MapperBase { private Record KEY; private Record VALUE; //区分两张输入表 private int tag; @Override public void setup(TaskContext context) throws IOException { KEY = context.createMapOutputKeyRecord(); VALUE = context.createMapOutputValueRecord(); tag = context.getInputTableInfo().getLabel().equals("left") ? 0 : 1; } |