Hadoop 实例9 Join讲解2: 将人员的地址ID完善成为地址名称
2015-09-06 10:39
369 查看
输出格式要求:人员Id,姓名,地址
1、原始数据
人员ID 人员名称 地址ID
另外一组为地址信息:
地址ID 地址名称
2、处理说明
这里给出了一个很简单的例子,而且数据量很小,就这么用眼睛就能看过来的几行,当然,实际的情况可能是几十万上百万甚至上亿的数据量.
要实现的功能很简单, 就是将人员信息与地址信息进行join,将人员的地址ID完善成为地址名称.
对于Hadoop文件系统的应用,目前看来,很多数据的存储都是基于文本的, 而且都是将数据放在一个文件目录中进行处理.因此我们这里也采用这种模式来完成.
对于mapreduce程序来说,最主要的就是将要做的工作转化为map以及reduce两个部分.
我们可以将地址以及人员都采用同样的数据结构来存储,通 过一个flag标志来指定该数据结构里面存储的是地址信息还是人员信息.
经过map后,使用地址ID作为key,将所有的具有相同地址的地址信息和人员信 息放入一个key->value list数据结构中传送到reduce中进行处理.
在reduce过程中,由于key是地址的ID,所以value list中只有一个是地址信息,其他的都是人员信息,因此,找到该地址信息后,其他的人员信息的地址就是该地址所指定的地址名称.
OK,我们的join算法基本搞定啦.剩下就是编程实现了,let’s go.
3、中间bean实现
上面提到了存储人员和地址信息的数据结构,可以说这个数据结构是改程序的重要的数据载体之一.我们先来看看该数据结构:
4.Mapper程序:
5.Reducer程序:
6.主程序:
1、原始数据
人员ID 人员名称 地址ID
1 张三 1 2 李四 2 3 王五 1 4 赵六 3 5 马七 3
另外一组为地址信息:
地址ID 地址名称
1 北京 2 上海 3 广州
2、处理说明
这里给出了一个很简单的例子,而且数据量很小,就这么用眼睛就能看过来的几行,当然,实际的情况可能是几十万上百万甚至上亿的数据量.
要实现的功能很简单, 就是将人员信息与地址信息进行join,将人员的地址ID完善成为地址名称.
对于Hadoop文件系统的应用,目前看来,很多数据的存储都是基于文本的, 而且都是将数据放在一个文件目录中进行处理.因此我们这里也采用这种模式来完成.
对于mapreduce程序来说,最主要的就是将要做的工作转化为map以及reduce两个部分.
我们可以将地址以及人员都采用同样的数据结构来存储,通 过一个flag标志来指定该数据结构里面存储的是地址信息还是人员信息.
经过map后,使用地址ID作为key,将所有的具有相同地址的地址信息和人员信 息放入一个key->value list数据结构中传送到reduce中进行处理.
在reduce过程中,由于key是地址的ID,所以value list中只有一个是地址信息,其他的都是人员信息,因此,找到该地址信息后,其他的人员信息的地址就是该地址所指定的地址名称.
OK,我们的join算法基本搞定啦.剩下就是编程实现了,let’s go.
3、中间bean实现
上面提到了存储人员和地址信息的数据结构,可以说这个数据结构是改程序的重要的数据载体之一.我们先来看看该数据结构:
package cn.edu.bjut.jointwo; import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; import org.apache.hadoop.io.WritableComparable; public class Member implements WritableComparable<Member>{ private String userNo = ""; private String userName = ""; private String cityNo = ""; private String cityName = ""; private int flag = 0; public Member() { super(); } public Member(String userNo, String userName, String cityNo, String cityName, int flag) { super(); this.userNo = userNo; this.userName = userName; this.cityNo = cityNo; this.cityName = cityName; this.flag = flag; } public Member(Member m) { super(); this.userNo = m.getUserNo(); this.userName = m.getUserName(); this.cityNo = m.getCityNo(); this.cityName = m.getCityName(); this.flag = m.getFlag(); } public void write(DataOutput out) throws IOException { out.writeUTF(getUserNo()); out.writeUTF(getUserName()); out.writeUTF(getCityNo()); out.writeUTF(getCityName()); out.writeInt(getFlag()); } public void readFields(DataInput in) throws IOException { this.userNo = in.readUTF(); this.userName = in.readUTF(); this.cityNo = in.readUTF(); this.cityName = in.readUTF(); this.flag = in.readInt(); } public int compareTo(Member o) { return 0; } @Override public String toString() { return "userNo=" + userNo + ", userName=" + userName + ", cityNo=" + cityNo + ", cityName=" + cityName; } public String getUserNo() { return userNo; } public void setUserNo(String userNo) { this.userNo = userNo; } public String getUserName() { return userName; } public void setUserName(String userName) { this.userName = userName; } public String getCityNo() { return cityNo; } public void setCityNo(String cityNo) { this.cityNo = cityNo; } public String getCityName() { return cityName; } public void setCityName(String cityName) { this.cityName = cityName; } public int getFlag() { return flag; } public void setFlag(int flag) { this.flag = flag; } }
4.Mapper程序:
package cn.edu.bjut.jointwo; import java.io.IOException; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; public class JoinMapper extends Mapper<LongWritable, Text, Text, Member> { @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { String line = value.toString(); String[] arr = line.split("\t"); if(arr.length >= 3) { Member m = new Member(); m.setUserNo(arr[0]); m.setUserName(arr[1]); m.setCityNo(arr[2]); m.setFlag(0); context.write(new Text(m.getCityNo()), m); } else { Member m = new Member(); m.setCityNo(arr[0]); m.setCityName(arr[1]); m.setFlag(1); context.write(new Text(m.getCityNo()), m); } } }
5.Reducer程序:
package cn.edu.bjut.jointwo; import java.io.IOException; import java.util.ArrayList; import java.util.List; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer; public class JoinReducer extends Reducer<Text, Member, Text, NullWritable> { @Override protected void reduce(Text key, Iterable<Member> values, Context context) throws IOException, InterruptedException { Member m = null; List<Member> list = new ArrayList<Member>(); for(Member member : values) { if(0 == member.getFlag()) { list.add(new Member(member)); } else { m = new Member(member); } } if(null != m) { for(Member member : list) { member.setCityName(m.getCityName()); context.write(new Text(member.toString()), NullWritable.get()); } } } }
6.主程序:
package cn.edu.bjut.jointwo; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FileSystem; 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 MainJob { public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); Job job = new Job(conf, "jointwo"); job.setJarByClass(MainJob.class); job.setMapperClass(JoinMapper.class); job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(Member.class); job.setReducerClass(JoinReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(NullWritable.class); FileInputFormat.addInputPath(job, new Path(args[0])); Path outPathDir = new Path(args[1]); FileSystem fs = FileSystem.get(conf); if(fs.exists(outPathDir)) { fs.delete(outPathDir, true); } FileOutputFormat.setOutputPath(job, outPathDir); job.waitForCompletion(true); } }
相关文章推荐
- Linux_shell——第8章 当个好管家
- Grub在linux中的作用
- 【转】CentOS 6.5 生产环境优化指南
- Linux_shell——第7章 无网不利
- CentOS 6.6 下配置软RAID5
- Linux_shell——第6章 B计划
- LeetCode Copy List with Random Pointer
- Linux(erjiwenjianxitong)
- 应该知道的Linux技巧
- linux把EDT时间修改为CST格式
- Linux_shell——第5章 一团乱麻?没这回事
- linux内核移植到S5pv210
- 28个Unix/Linux的命令行神器
- linux 网线插拔检测
- Linux_shell——第4章 让文本飞
- [Linux] Git: push 出错的解决 master -> master (branch is currently checked out)
- 你可能不知道的Shell
- Linux_shell——第3章 以文件之名
- Linux基础-硬
- 【LINUX】——gvim中如何配置字体和背景