资源描述：
《基于mapreduce的Hadoopjoin实现分析.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、基于mapreduce的Hadoopjoin实现分析(一)对于一个大数据的分析应用,join是必不可少的一项功能.现在很多构建与hadoop之上的应用,如Hive,PIG等在其内部实现了join程序,可以通过很简单的sql语句或者数据操控脚本完成相应的Join工作.那么join应该如何实现呢?今天我们就对join做一个简单的实现.我们来看一个例子,现在有两组数据:一组为单位人员信息,如下:人员ID人员名称地址ID1张三12李四23王五14赵六35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广州这里给出了一个很简单的例子,而且数据量很小
2、,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,
3、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->valuelist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valuelist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’sgo.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:importjava.io.DataInput
4、;importjava.io.DataOutput;importjava.io.IOException;importorg.apache.hadoop.io.WritableComparable;publicclassRecordimplementsWritableComparable{inttype;//数据类型的定义,1为人员,2为地址StringempName="";StringempId="";StringlocId="";StringlocationName="";publicRecord(){super();}publicRecord
5、(Recordrecord){this.type=record.type;this.empName=record.empName;this.empId=record.empId;this.locId=record.locId;this.locationName=record.locationName;}publicStringtoString(){if(type==1)returnempId+","+empName+","+locationName;elseif(type==2)returnlocId+","+locationName;retur
6、n"uninitdata!";}publicvoidreadFields(DataInputin)throwsIOException{type=in.readInt();empName=in.readUTF();empId=in.readUTF();locId=in.readUTF();locationName=in.readUTF();}publicvoidwrite(DataOutputout)throwsIOException{out.writeInt(type);out.writeUTF(empName);out.writeUTF(emp
7、Id);out.writeUTF(locId);out.writeUTF(locationName);}publicintcompareTo(Objectarg0){return0;}}上面的Record的实现了WritableComparable,对于Mapreduce的中间结果类来说,必须要实现Writable,从而在map完成输出中间结果时能够将中间结果写入到运行job的node文件系统中,至于Comparable接口的实现,对于作为Key的中间结果来说需要实现该接口,从而能够完成基于key的排序功能.接下来是Join的主程序,就是mapr
8、educe的主程序.基本的主程序如下:importorg.apache.hadoop.fs.FileSystem;importorg.a
