MapRedece(单表关联)详解大数据

源数据：Child–Parent表

Tom	Lucy
Tom	Jack
Jone	Lucy
Jone	Jack
Lucy	Marry
Lucy	Ben
Jack	Alice
Jack	Jesse
Terry	Alice
Terry	Jesse
Philop	Terry
Philop	Alma
Mark	Terry
Mark	Alma

目标：表的自连接：从图中可以找出Tom的grandparent为Marry和Ben，同理可以找出其他的人的grandparent

根据Child–Parent表推断grandchild和grandparent

左表右表

将一张表分解为两张表的连接：从图中可以找出Tom的grandparent为Marry和Ben，同理可以找出其他的人的grandparent

思路与步骤：

只有连接左表的parent列和右表的child列，才能得到grandchild和grandparent的信息。

因此需要将源数据的一张表拆分成两张表，且左表和右表是同一个表，如上图。

所以在map阶段将读入数据分割成child和parent之后，将parent设置成key，child设置成value进行输出，并作为左表；
再将同一对child和parent中的child设置成key，parent设置成value进行输出，作为右表。
为了区分输出中的左右表，需要在输出的value中再加上左右表的信息，比如在value的String最开始处加上字符1表示左表，加上字符2表示右表。
这样在map的结果中就形成了左表和右表，然后在shuffle过程中完成连接。
reduce接收到连接的结果，其中每个key的value-list就包含了”grandchild–grandparent”关系。
取出每个key的value-list进行解析，将左表中的child放入一个数组，右表中的parent放入一个数组，
最后对两个数组求笛卡尔积得到最后的结果

代码1：

（1）自定义Mapper类

 1 private static class MyMapper extends Mapper<Object, Text, Text, Text> { 
 2         @Override 
 3         protected void map(Object k1, Text v1, 
 4                 Mapper<Object, Text, Text, Text>.Context context) 
 5                 throws IOException, InterruptedException { 
 6             String childName = new String(); 
 7             String parentName = new String(); 
 8             String relationType = new String(); 
 9             Text k2 = new Text(); 
10             Text v2 = new Text(); 
11             // 輸入一行预处理的文本 
12             StringTokenizer items = new StringTokenizer(v1.toString()); 
13             String[] values = new String[2]; 
14             int i = 0; 
15             while (items.hasMoreTokens()) { 
16                 values[i] = items.nextToken(); 
17                 i++; 
18             } 
19             if (values[0].compareTo("child") != 0) { 
20                 childName = values[0]; 
21                 parentName = values[1]; 
22                 // 输出左表,左表加1的标识 
23                 relationType = "1"; 
24                 k2 = new Text(values[1]); // parent作为key，作为表1的key 
25                 v2 = new Text(relationType + "+" + childName + "+" + parentName);//<1+Lucy+Tom> 
26                 context.write(k2, v2); 
27                 // 输出右表,右表加2的标识 
28                 relationType = "2"; 
29                 k2 = new Text(values[0]);// child作为key，作为表2的key 
30                 v2 = new Text(relationType + "+" + childName + "+" + parentName);//<2+Jone+Lucy> 
31                 context.write(k2, v2); 
32             } 
33         } 
34     }

（2）自定义Reduce

 1 private static class MyReducer extends Reducer<Text, Text, Text, Text> { 
 2         Text k3 = new Text(); 
 3         Text v3 = new Text(); 
 4  
 5         @Override 
 6         protected void reduce(Text k2, Iterable<Text> v2s, 
 7                 Reducer<Text, Text, Text, Text>.Context context) 
 8                 throws IOException, InterruptedException { 
 9             if (0 == time) { 
10                 context.write(new Text("grandchild"), new Text("grandparent")); 
11                 time++; 
12             } 
13             int grandchildnum = 0; 
14             String[] grandchild = new String[10];//孙子 
15             int grandparentnum = 0; 
16             String[] grandparent = new String[10];//爷爷 
17             Iterator items = v2s.iterator();//["1 Tom","2 Mary","2 Ben"] 
18             while (items.hasNext()) { 
19                 String record = items.next().toString(); 
20                 int len = record.length(); 
21                 int i = 2; 
22                 if (0 == len) { 
23                     continue; 
24                 } 
25  
26                 // 取得左右表的标识 
27                 char relationType = record.charAt(0); 
28                 // 定义孩子和父母变量 
29                 String childname = new String(); 
30                 String parentname = new String(); 
31                 // 获取value列表中value的child 
32                 while (record.charAt(i) != '+') { 
33                     childname += record.charAt(i); 
34                     i++; 
35                 } 
36                 i = i + 1; //越过名字之间的“+”加号 
37                 // 获取value列表中value的parent 
38                 while (i < len) { 
39                     parentname += record.charAt(i); 
40                     i++; 
41                 } 
42                 // 左表，取出child放入grandchildren 
43                 if ('1' == relationType) { 
44                     grandchild[grandchildnum] = childname; 
45                     grandchildnum++; 
46                 } 
47                 // 右表，取出parent放入grandparent 
48                 if ('2' == relationType) { 
49                     grandparent[grandparentnum] = parentname; 
50                     grandparentnum++; 
51                 } 
52             } 
53             // grandchild和grandparentnum数组求笛卡尔积 
54             if (0 != grandchildnum && 0 != grandparentnum) { 
55                 for (int i = 0; i < grandchildnum; i++) { 
56                     for (int j = 0; j < grandparentnum; j++) { 
57                         k3 = new Text(grandchild[i]); 
58                         v3 = new Text(grandparent[j]); 
59                         context.write(k3, v3); 
60                     } 
61                 } 
62             } 
63         } 
64     }

（3）Map和Reduce组合

 1     public static void main(String[] args) throws Exception { 
 2         //必须要传递的是自定的mapper和reducer的类，输入输出的路径必须指定，输出的类型<k3,v3>必须指定 
 3         //2将自定义的MyMapper和MyReducer组装在一起 
 4         Configuration conf=new Configuration(); 
 5         String jobName=SingleTableLink.class.getSimpleName(); 
 6         //1首先寫job，知道需要conf和jobname在去創建即可 
 7         Job job = Job.getInstance(conf, jobName); 
 8          
 9         //*13最后，如果要打包运行改程序，则需要调用如下行 
10         job.setJarByClass(SingleTableLink.class); 
11          
12         //3读取HDFS內容：FileInputFormat在mapreduce.lib包下 
13         FileInputFormat.setInputPaths(job, new Path(args[0])); 
14         //4指定解析<k1,v1>的类（谁来解析键值对） 
15         //*指定解析的类可以省略不写，因为设置解析类默认的就是TextInputFormat.class 
16         job.setInputFormatClass(TextInputFormat.class); 
17         //5指定自定义mapper类 
18         job.setMapperClass(MyMapper.class); 
19         //6指定map输出的key2的类型和value2的类型  <k2,v2> 
20         //*下面两步可以省略，当<k3,v3>和<k2,v2>类型一致的时候,<k2,v2>类型可以不指定 
21         job.setMapOutputKeyClass(Text.class); 
22         job.setMapOutputValueClass(Text.class); 
23         //7分区(默认1个)，排序，分组，规约 采用 默认 
24          
25         //接下来采用reduce步骤 
26         //8指定自定义的reduce类 
27         job.setReducerClass(MyReducer.class); 
28         //9指定输出的<k3,v3>类型 
29         job.setOutputKeyClass(Text.class); 
30         job.setOutputValueClass(Text.class); 
31         //10指定输出<K3,V3>的类 
32         //*下面这一步可以省 
33         job.setOutputFormatClass(TextOutputFormat.class); 
34         //11指定输出路径 
35         FileOutputFormat.setOutputPath(job, new Path(args[1])); 
36          
37         //12写的mapreduce程序要交给resource manager运行 
38         job.waitForCompletion(true); 
39     }

所有源代码：

  1 package Mapreduce; 
  2  
  3 import java.io.IOException; 
  4 import java.util.Iterator; 
  5 import java.util.StringTokenizer; 
  6  
  7 import org.apache.hadoop.conf.Configuration; 
  8 import org.apache.hadoop.fs.Path; 
  9 import org.apache.hadoop.io.Text; 
 10 import org.apache.hadoop.mapreduce.Job; 
 11 import org.apache.hadoop.mapreduce.Mapper; 
 12 import org.apache.hadoop.mapreduce.Reducer; 
 13 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; 
 14 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; 
 15 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; 
 16 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; 
 17  
 18 public class SingleTableLink { 
 19     private static int time = 0; 
 20  
 21     public static void main(String[] args) throws Exception { 
 22         //必须要传递的是自定的mapper和reducer的类，输入输出的路径必须指定，输出的类型<k3,v3>必须指定 
 23         //2将自定义的MyMapper和MyReducer组装在一起 
 24         Configuration conf=new Configuration(); 
 25         String jobName=SingleTableLink.class.getSimpleName(); 
 26         //1首先寫job，知道需要conf和jobname在去創建即可 
 27         Job job = Job.getInstance(conf, jobName); 
 28          
 29         //*13最后，如果要打包运行改程序，则需要调用如下行 
 30         job.setJarByClass(SingleTableLink.class); 
 31          
 32         //3读取HDFS內容：FileInputFormat在mapreduce.lib包下 
 33         FileInputFormat.setInputPaths(job, new Path(args[0])); 
 34         //4指定解析<k1,v1>的类（谁来解析键值对） 
 35         //*指定解析的类可以省略不写，因为设置解析类默认的就是TextInputFormat.class 
 36         job.setInputFormatClass(TextInputFormat.class); 
 37         //5指定自定义mapper类 
 38         job.setMapperClass(MyMapper.class); 
 39         //6指定map输出的key2的类型和value2的类型  <k2,v2> 
 40         //*下面两步可以省略，当<k3,v3>和<k2,v2>类型一致的时候,<k2,v2>类型可以不指定 
 41         job.setMapOutputKeyClass(Text.class); 
 42         job.setMapOutputValueClass(Text.class); 
 43         //7分区(默认1个)，排序，分组，规约 采用 默认 
 44          
 45         //接下来采用reduce步骤 
 46         //8指定自定义的reduce类 
 47         job.setReducerClass(MyReducer.class); 
 48         //9指定输出的<k3,v3>类型 
 49         job.setOutputKeyClass(Text.class); 
 50         job.setOutputValueClass(Text.class); 
 51         //10指定输出<K3,V3>的类 
 52         //*下面这一步可以省 
 53         job.setOutputFormatClass(TextOutputFormat.class); 
 54         //11指定输出路径 
 55         FileOutputFormat.setOutputPath(job, new Path(args[1])); 
 56          
 57         //12写的mapreduce程序要交给resource manager运行 
 58         job.waitForCompletion(true); 
 59     } 
 60  
 61     private static class MyMapper extends Mapper<Object, Text, Text, Text> { 
 62         @Override 
 63         protected void map(Object k1, Text v1, 
 64                 Mapper<Object, Text, Text, Text>.Context context) 
 65                 throws IOException, InterruptedException { 
 66             String childName = new String(); 
 67             String parentName = new String(); 
 68             String relationType = new String(); 
 69             Text k2 = new Text(); 
 70             Text v2 = new Text(); 
 71             // 輸入一行预处理的文本 
 72             StringTokenizer items = new StringTokenizer(v1.toString()); 
 73             String[] values = new String[2]; 
 74             int i = 0; 
 75             while (items.hasMoreTokens()) { 
 76                 values[i] = items.nextToken(); 
 77                 i++; 
 78             } 
 79             if (values[0].compareTo("child") != 0) { 
 80                 childName = values[0]; 
 81                 parentName = values[1]; 
 82                 // 输出左表,左表加1的标识 
 83                 relationType = "1"; 
 84                 k2 = new Text(values[1]); // parent作为key，作为表1的key 
 85                 v2 = new Text(relationType + "+" + childName + "+" + parentName);//<1+Lucy+Tom> 
 86                 context.write(k2, v2); 
 87                 // 输出右表,右表加2的标识 
 88                 relationType = "2"; 
 89                 k2 = new Text(values[0]);// child作为key，作为表2的key 
 90                 v2 = new Text(relationType + "+" + childName + "+" + parentName);//<2+Jone+Lucy> 
 91                 context.write(k2, v2); 
 92             } 
 93         } 
 94     } 
 95  
 96     private static class MyReducer extends Reducer<Text, Text, Text, Text> { 
 97         Text k3 = new Text(); 
 98         Text v3 = new Text(); 
 99  
100         @Override 
101         protected void reduce(Text k2, Iterable<Text> v2s, 
102                 Reducer<Text, Text, Text, Text>.Context context) 
103                 throws IOException, InterruptedException { 
104             if (0 == time) { 
105                 context.write(new Text("grandchild"), new Text("grandparent")); 
106                 time++; 
107             } 
108             int grandchildnum = 0; 
109             String[] grandchild = new String[10];//孙子 
110             int grandparentnum = 0; 
111             String[] grandparent = new String[10];//爷爷 
112             Iterator items = v2s.iterator();//["1 Tom","2 Mary","2 Ben"] 
113             while (items.hasNext()) { 
114                 String record = items.next().toString(); 
115                 int len = record.length(); 
116                 int i = 2; 
117                 if (0 == len) { 
118                     continue; 
119                 } 
120  
121                 // 取得左右表的标识 
122                 char relationType = record.charAt(0); 
123                 // 定义孩子和父母变量 
124                 String childname = new String(); 
125                 String parentname = new String(); 
126                 // 获取value列表中value的child 
127                 while (record.charAt(i) != '+') { 
128                     childname += record.charAt(i); 
129                     i++; 
130                 } 
131                 i = i + 1; //越过名字之间的“+”加号 
132                 // 获取value列表中value的parent 
133                 while (i < len) { 
134                     parentname += record.charAt(i); 
135                     i++; 
136                 } 
137                 // 左表，取出child放入grandchildren 
138                 if ('1' == relationType) { 
139                     grandchild[grandchildnum] = childname; 
140                     grandchildnum++; 
141                 } 
142                 // 右表，取出parent放入grandparent 
143                 if ('2' == relationType) { 
144                     grandparent[grandparentnum] = parentname; 
145                     grandparentnum++; 
146                 } 
147             } 
148             // grandchild和grandparentnum数组求笛卡尔积 
149             if (0 != grandchildnum && 0 != grandparentnum) { 
150                 for (int i = 0; i < grandchildnum; i++) { 
151                     for (int j = 0; j < grandparentnum; j++) { 
152                         k3 = new Text(grandchild[i]); 
153                         v3 = new Text(grandparent[j]); 
154                         context.write(k3, v3); 
155                     } 
156                 } 
157             } 
158         } 
159     } 
160  
161 }

代码1单表关联

代码2：参考的代码

  1 package Mapreduce; 
  2  
  3 import java.io.IOException; 
  4 import java.util.ArrayList; 
  5 import java.util.Iterator; 
  6 import java.util.List; 
  7 import org.apache.hadoop.conf.Configuration; 
  8 import org.apache.hadoop.fs.Path; 
  9 import org.apache.hadoop.io.Text; 
 10 import org.apache.hadoop.mapreduce.Job; 
 11 import org.apache.hadoop.mapreduce.Mapper; 
 12 import org.apache.hadoop.mapreduce.Reducer; 
 13 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; 
 14 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; 
 15 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; 
 16 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; 
 17  
 18 public class SingleTableLink2 { 
 19  
 20     public static void main(String[] args) throws Exception { 
 21         // 必须要传递的是自定的mapper和reducer的类，输入输出的路径必须指定，输出的类型<k3,v3>必须指定 
 22         // 2将自定义的MyMapper和MyReducer组装在一起 
 23         Configuration conf = new Configuration(); 
 24         String jobName = SingleTableLink2.class.getSimpleName(); 
 25         // 1首先寫job，知道需要conf和jobname在去創建即可 
 26         Job job = Job.getInstance(conf, jobName); 
 27  
 28         // *13最后，如果要打包运行改程序，则需要调用如下行 
 29         job.setJarByClass(SingleTableLink2.class); 
 30  
 31         // 3读取HDFS內容：FileInputFormat在mapreduce.lib包下 
 32         FileInputFormat.setInputPaths(job, new Path(args[0])); 
 33         // 4指定解析<k1,v1>的类（谁来解析键值对） 
 34         // *指定解析的类可以省略不写，因为设置解析类默认的就是TextInputFormat.class 
 35         job.setInputFormatClass(TextInputFormat.class); 
 36         // 5指定自定义mapper类 
 37         job.setMapperClass(MyMapper.class); 
 38         // 6指定map输出的key2的类型和value2的类型 <k2,v2> 
 39         // *下面两步可以省略，当<k3,v3>和<k2,v2>类型一致的时候,<k2,v2>类型可以不指定 
 40         job.setMapOutputKeyClass(Text.class); 
 41         job.setMapOutputValueClass(Text.class); 
 42         // 7分区(默认1个)，排序，分组，规约 采用 默认 
 43  
 44         // 接下来采用reduce步骤 
 45         // 8指定自定义的reduce类 
 46         job.setReducerClass(MyReducer.class); 
 47         // 9指定输出的<k3,v3>类型 
 48         job.setOutputKeyClass(Text.class); 
 49         job.setOutputValueClass(Text.class); 
 50         // 10指定输出<K3,V3>的类 
 51         // *下面这一步可以省 
 52         job.setOutputFormatClass(TextOutputFormat.class); 
 53         // 11指定输出路径 
 54         FileOutputFormat.setOutputPath(job, new Path(args[1])); 
 55  
 56         // 12写的mapreduce程序要交给resource manager运行 
 57         job.waitForCompletion(true); 
 58     } 
 59  
 60     private static class MyMapper extends Mapper<Object, Text, Text, Text> { 
 61         @Override 
 62         protected void map(Object k1, Text v1, 
 63                 Mapper<Object, Text, Text, Text>.Context context) 
 64                 throws IOException, InterruptedException { 
 65             String childName = new String(); 
 66             String parentName = new String(); 
 67             String relationType = new String(); 
 68             Text k2 = new Text(); 
 69             Text v2 = new Text(); 
 70             // 輸入一行预处理的文本 
 71             String line = v1.toString(); 
 72             String[] values = line.split("/t"); 
 73             if (values.length >= 2) { 
 74                 if (values[0].compareTo("child") != 0) { 
 75                     childName = values[0]; 
 76                     parentName = values[1]; 
 77                     // 输出左表,左表加1的标识 
 78                     relationType = "1"; 
 79                     k2 = new Text(parentName); // parent作为key，作为表1的key 
 80                     v2 = new Text(relationType + " " + childName);// <"Lucy","1 Tom"> 
 81                     context.write(k2, v2); 
 82                     // 输出右表,右表加2的标识 
 83                     relationType = "2"; 
 84                     k2 = new Text(childName);// child作为key，作为表2的key 
 85                     v2 = new Text(relationType + " " + parentName);// //<"Jone","2 Lucy"> 
 86                     context.write(k2, v2); 
 87                 } 
 88             } 
 89         } 
 90     } 
 91  
 92     private static class MyReducer extends Reducer<Text, Text, Text, Text> { 
 93  
 94         @Override 
 95         protected void reduce(Text key, Iterable<Text> values, Context context) 
 96                 throws IOException, InterruptedException { 
 97             List<String> grandChild = new ArrayList<String>();// 孙子 
 98             List<String> grandParent = new ArrayList<String>();// 爷爷 
 99             Iterator<Text> it = values.iterator();// ["1 Tom","2 Mary","2 Ben"] 
100             while (it.hasNext()) { 
101                 String[] record = it.next().toString().split(" ");// "1 Tom"---[1,Tom] 
102                 if (record.length == 0) 
103                     continue; 
104                 if (record[0].equals("1")) {// 左表，取出child放入grandchild 
105                     grandChild.add(record[1]); 
106                 } else if (record[0].equals("2")) {// 右表，取出parent放入grandParent 
107                     grandParent.add(record[1]); 
108                 } 
109             } 
110             // grandchild 和 grandparent数组求笛卡尔积 
111             if (grandChild.size() != 0 && grandParent.size() != 0) { 
112                 for (int i = 0; i < grandChild.size(); i++) { 
113                     for (int j = 0; j < grandParent.size(); j++) { 
114                         context.write(new Text(grandChild.get(i)), new Text( 
115                                 grandParent.get(j))); 
116                     } 
117                 } 
118             } 
119         } 
120     } 
121  
122 }

代码2单表关联代码

代码运行：

(1)准备数据

[[email protected] filecontent]# vi child_parent
Tom　　Lucy
Tom　　Jack
Jone　　 Lucy
Jone 　　 Jack
Lucy 　　 Mary
Lucy　　 Ben
Jack 　　 Alice
Jack 　　 Jesses
Terry 　　 Alice
Terry 　　 Jesses
Philip 　　 Terry
Philip 　　 Alma
Mark 　　 Terry
Mark 　　 Alma

(以/t分隔)

（2）执行jar包

[[email protected] filecontent]# hadoop jar SingleTableLink2.jar /neusoft/child_parent /out13　　

（3）查看运行结果是否正确

[[email protected] filecontent]# hadoop dfs -text /out13/part-r-00000

备注：(1)如果显示的多一个+，加号，需要检查程序，在下面两个循环之间加移位操作。

// 获取value列表中value的child 32 while (record.charAt(i) != ‘+’) { 33 childname += record.charAt(i); 34 i++; 35 } 36 i = i + 1; //越过名字之间的“+”加号 37 // 获取value列表中value的parent 38 while (i < len) { 39 parentname += record.charAt(i); 40 i++; 41 }

(2)补充点：

charAt

charAt(int index)方法是一个能够用来检索特定索引下的字符的String实例的方法.

charAt()方法返回指定索引位置的char值。索引范围为0~length()-1.

如: str.charAt(0)检索str中的第一个字符,str.charAt(str.length()-1)检索最后一个字符.

StringTokenizer是一个用来分隔String的应用类，相当于VB的split函数。

1.构造函数

public StringTokenizer(String str)

public StringTokenizer(String str, String delim)

public StringTokenizer(String str, String delim, boolean returnDelims)

第一个参数就是要分隔的String，第二个是分隔字符集合，第三个参数表示分隔符号是否作为标记返回，如果不指定分隔字符，默认的是：”/t/n/r/f”

2.核心方法

public boolean hasMoreTokens()

public String nextToken()

public String nextToken(String delim)

public int countTokens()

其实就是三个方法，返回分隔字符块的时候也可以指定分割符，而且以后都是采用最后一次指定的分隔符号。

原创文章，作者：Maggie-Hunter，如若转载，请注明出处：https://blog.ytso.com/tech/bigdata/9085.html

MapRedece(单表关联)详解大数据

相关推荐

发表回复