Reduce Join实战案例

　　　　　　　　　　　　　　　　　　　　Reduce Join实战案例

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　作者：尹正杰

版权声明：原创作品，谢绝转载！否则将追究法律责任。

一.Reduce Join概述

　　Map端主要的工作:
　　　　为来自不同表或文件的key/value对,打标签以区别不同的来源记录。然后用连接字段未作key，其余部分和新加的标志作为value,最后进行输出。

　　Reduce端的主要工作:
　　　　在Reduce端以连接字段作为key的分组已经完成,我们只需要在每一组当中将哪些来源于不同文件的记录(在Map阶段已经打标志)分开,最后进行合并就ok了。

　　Reduce Join的缺点:
　　　　这种方式中，和贝宁的操作是在Reduce阶段完成，Reducer端的处理压力太大,Map节点的运算负载则很低,资源利用率不高,且在Reduce阶段极其容易产生数据倾斜。
　　　　解决方案就是Map阶段是西安数据合并。

　　博主推荐阅读:
　　　　https://www.cnblogs.com/yinzhengjie2020/p/12811796.html

二.Reduce Join实战案例

1>.需求说明

　　将商品信息表中数据根据商品pid合并到订单数据表中。

1001    01    1
1002    02    2
1003    03    3
1004    01    4
1005    02    5
1006    03    6

01    小米
02    华为
03    格力

2>.OrderBean.java

package cn.org.yinzhengjie.reducejoin;

import org.apache.hadoop.io.WritableComparable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

public class OrderBean implements WritableComparable<OrderBean> {


    private String id;
    private String pid;
    private int amount;
    private String pname;

    @Override
    public String toString() {
        return id + "	" + pname + "	" + amount;
    }

    public String getId() {
        return id;
    }

    public void setId(String id) {
        this.id = id;
    }

    public String getPid() {
        return pid;
    }

    public void setPid(String pid) {
        this.pid = pid;
    }

    public int getAmount() {
        return amount;
    }

    public void setAmount(int amount) {
        this.amount = amount;
    }

    public String getPname() {
        return pname;
    }

    public void setPname(String pname) {
        this.pname = pname;
    }

    //重写比较方法
    @Override
    public int compareTo(OrderBean obj) {
        //先比较pid是否相同
        int compare = this.pid.compareTo(obj.pid);

        //如果是pid是相同的,就比较pname,否则就让其不在同一个分组.
        if (compare == 0){
            return obj.pname.compareTo(this.pname);
        }else {
            return compare;
        }


    }

    //重写序列化方法
    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeUTF(id);
        dataOutput.writeUTF(pid);
        dataOutput.writeInt(amount);
        dataOutput.writeUTF(pname);
    }


    //重写反序列化方法
    @Override
    public void readFields(DataInput dataInput) throws IOException {
        this.id = dataInput.readUTF();
        this.pid = dataInput.readUTF();
        this.amount = dataInput.readInt();
        this.pname = dataInput.readUTF();
    }
}

3>.ReducerJoinComparator.java

package cn.org.yinzhengjie.reducejoin;

import org.apache.hadoop.io.WritableComparable;
import org.apache.hadoop.io.WritableComparator;

public class ReducerJoinComparator extends WritableComparator {

    protected ReducerJoinComparator(){
        super(OrderBean.class,true);
    }


    //按照pid进行分组
    @Override
    public int compare(WritableComparable a, WritableComparable b) {
        OrderBean oa = (OrderBean)a;
        OrderBean ob = (OrderBean)b;
        return oa.getPid().compareTo(ob.getPid());
    }
}

4>.ReducerJoinMapper.java

package cn.org.yinzhengjie.reducejoin;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;

import java.io.IOException;

public class ReducerJoinMapper extends Mapper<LongWritable,Text,OrderBean,NullWritable> {

    private OrderBean orderBean = new OrderBean();

    //用于定义当前MapTask正在处理的文件名
    private String filename;

    //在任务开始之前执行一次
    @Override
    protected void setup(Context context) throws IOException, InterruptedException {
        //获取切片信息
       FileSplit fs =  (FileSplit)context.getInputSplit();

       //获取当前MapTask正在处理的文件名
       filename = fs.getPath().getName();

    }

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        String[] fields = value.toString().split("	");

        if (filename.equals("order.txt")){
            orderBean.setId(fields[0]);
            orderBean.setPid(fields[1]);
            orderBean.setAmount(Integer.parseInt(fields[2]));
            //order.txt中不包含"Pname"列数据,但此处我们一定要设置为空.
            orderBean.setPname("");
        }else {
            orderBean.setPid(fields[0]);
            orderBean.setPname(fields[1]);
            //同理,pd.txt中不包含"ID"和"Amount"列数据,但此处我们一定要设置为空.
            orderBean.setId("");
            orderBean.setAmount(0);
        }

        //将封装的数据写入上下文(hadoop框架)中
        context.write(orderBean,NullWritable.get());
    }


}

5>.ReducerJoinReducer.java

package cn.org.yinzhengjie.reducejoin;

import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Reducer;

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

public class ReducerJoinReducer extends Reducer<OrderBean,NullWritable,OrderBean,NullWritable> {

    @Override
    protected void reduce(OrderBean key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {

        //拿到迭代器
        Iterator<NullWritable> iterator = values.iterator();

        //取出第一个数据(比如: 01 小米),此时数据指针下意，获取第一个OrderBean
        iterator.next();

        //将Pname字段取出(得到"小米"),即从第一个OrderBean中取出品牌名称
        String pname = key.getPname();

        //遍历剩下的OrderBean,设置品牌名称并写出
        while (iterator.hasNext()){
            iterator.next();
            key.setPname(pname);
            context.write(key,NullWritable.get());
        }
    }
}

6>.ReducerJoinDriver.java

package cn.org.yinzhengjie.reducejoin;

import cn.org.yinzhengjie.mapreduce.WordCountMapper;
import cn.org.yinzhengjie.mapreduce.WordCountReducer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;

public class ReducerJoinDriver {

    public static void main(String[] args) throws ClassNotFoundException, InterruptedException, IOException {
        //获取一个Job实例
        Job job = Job.getInstance(new Configuration());

        //设置我们的当前Driver类路径(classpath)
        job.setJarByClass(ReducerJoinDriver.class);

        //设置自定义的Mapper类路径(classpath)
        job.setMapperClass(ReducerJoinMapper.class);

        //设置自定义的Reducer类路径(classpath)
        job.setReducerClass(ReducerJoinReducer.class);

        //设置自定义的Mapper程序的输出类型
        job.setMapOutputKeyClass(OrderBean.class);
        job.setMapOutputValueClass(NullWritable.class);

        //设置自定义的Reducer程序的输出类型
        job.setOutputKeyClass(OrderBean.class);
        job.setOutputValueClass(NullWritable.class);

        //设置自定义分组
         job.setGroupingComparatorClass(ReducerJoinComparator.class);

        //设置输入数据
        FileInputFormat.setInputPaths(job,new Path(args[0]));

        //设置输出数据
        FileOutputFormat.setOutputPath(job,new Path(args[1]));

        //提交我们的Job,返回结果是一个布尔值
        boolean result = job.waitForCompletion(true);

        //如果程序运行成功就打印"Task executed successfully!!!"
        if(result){
            System.out.println("Task executed successfully!!!");
        }else {
            System.out.println("Task execution failed...");
        }

        //如果程序是正常运行就返回0，否则就返回1
        System.exit(result ? 0 : 1);
    }
}

7>.运行ReducerJoinDriver.java代码

　　配置参数:E:yinzhengjieReduceJoininput E:yinzhengjieReduceJoinoutput