Hadoop 多表关联

一、实例描述

　　多表关联和单表关联类似，它也是通过对原始数据进行一定的处理，从其中挖掘出关心的信息。下面进入这个实例。

　　输入是两个文件，一个代表工厂表，包含工厂名列和地址编号列；另一个代表地址列，包含地址名列和地址编号列。要求从输入数据中找出工厂名和地址名的对应关系，输出工厂名-地址名表。

　　样例输入：

　　factory：

　　factoryname addressed
　　Beijing Red Star 1
　　Shenzhen Thunder 3
　　Guangzhou Honda 2
　　Beijing Rising 1
　　Guangzhou Development Bank 2
　　Tencent 3
　　Bank of Beijing 1

　　address：

　　addressID addressname
　　1 Beijing
　　2 Guangzhou
　　3 Shenzhen
　　4 Xian

　　样例输出：

二、设计思路

　　多表关联和单表关联类似，都类似于数据库中的自然连接。相比单表关联，多表关联的左右表和连接列更清楚，因此可以采用和单表关联相同的处理方式。Map识别出输入的行属于哪个表之后，对其进行分割，将连接的值保存在key中，另一列和左右表标志保存在value中，然后输出。Reduce拿到连接结果后，解析value内容，根据标志将左右表内容分开存放，然后求笛卡尔积，最后直接输出。

　　这个实例的具体分析参考Hadoop 单表关联博客，下面贴出代码。

三、程序代码

　　程序代码如下：

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

 import org.apache.hadoop.conf.Configuration;
 import org.apache.hadoop.fs.Path;
 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 MTjoin {

     public static int time = 0;

     public static class Map extends Mapper<Object, Text, Text, Text>{
         // 在Map中先区分输入行属于左表还是右表，然后对两列值进行分割，
         // 连接列保存在key值，剩余列和左右表标志保存在value中，最后输出
         @Override
         protected void map(Object key, Text value,Mapper<Object, Text, Text, Text>.Context context)
                 throws IOException, InterruptedException {
             // super.map(key, value, context);
             String line = value.toString();
             int i=0;
             // 输入文件首行，不处理
             if(line.contains("factoryname")==true || line.contains("addressID")==true){
                 return ;
             }
             // 找出数据中的分割点
             while(line.charAt(i)>='9' || line.charAt(i)<='0'){
                 i++;
             }
             if (line.charAt(0)>='9'||line.charAt(0)<='0') {
                 // 左表
                 int j = i-1;
                 while(line.charAt(j)!=' ') j--;
                 String [] values = {line.substring(0,j),line.substring(i)};
                 context.write(new Text(values[1]), new Text("1+"+values[0]));
             }else {
                 // 右表
                 int j = i+1;
                 while(line.charAt(j)!=' ') j++;
                 String[] values = {line.substring(0,i+1),line.substring(j)};
                 context.write(new Text(values[0]), new Text("2"+values[1]));
             }
         }
     }

     public static class Reduce extends Reducer<Text, Text, Text, Text>{
         // Reduce解析Map输出，将value中数据按照左右表分别保存，然后求 // 笛卡尔积，输出
         @Override
         protected void reduce(Text key, Iterable<Text> values,Reducer<Text, Text, Text, Text>.Context context)
                 throws IOException, InterruptedException {
             // super.reduce(arg0, arg1, arg2);
             if (time==0) {
                 //  输出文件第一行
                 context.write(new Text("factoryname"), new Text("addressname"));
                 time++;
             }
             int factorynum = 0;
             String[] factory = new String[10];
             int addressnum = 0;
             String[] address = new String[10];
             Iterator ite = values.iterator();
             while (ite.hasNext()) {
                 String record = ite.next().toString();
                 int len = record.length();
                 int i = 2;
                 char type = record.charAt(0);
                 String factoryname = new String();
                 String addressname = new String();
                 if (type=='1') {
                     // 左表
                     factory[factorynum] = record.substring(2);
                     factorynum++;
                 }else {
                     // 右表
                     address[addressnum] = record.substring(2);
                     addressnum++;
                 }
             }
             if (factorynum != 0 && addressnum !=0) {
                 // 求笛卡尔积
                 for(int m=0;m<factorynum;m++){
                     for(int n=0;n<addressnum;n++){
                         context.write(new Text(factory[m]), new Text(address[n]));
                     }
                 }
             }
         }
     }

     public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

         Configuration conf = new Configuration();
         String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
         if(otherArgs.length!=2){
             System.out.println("Usage:wordcount <in> <out>");
             System.exit(2);
         }
         Job job = new Job(conf,"multiple table join");
         job.setJarByClass(MTjoin.class);
         job.setMapperClass(Map.class);
         job.setReducerClass(Reduce.class);
         job.setOutputKeyClass(Text.class);
         job.setOutputValueClass(Text.class);
         FileInputFormat.addInputPath(job,new Path(otherArgs[0]));
         FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
         System.exit(job.waitForCompletion(true)?0:1);
     }

 }