hadoop join之二

在介绍这个实例之前，请各位参考：http://bjyjtdj.iteye.com/blog/1453410。

reduce side join是一种最简单的join方式，其主要思想如下：
 在map阶段，map函数同时读取两个文件File1和File2，为了区分两种来源的key/value数据对，对每条数据打一个标签（tag）,比如：tag=0表示来自文件File1，tag=2表示来自文件File2。即：map阶段的主要任务是对不同文件中的数据打标签。在reduce阶段，reduce函数获取key相同的来自File1和File2文件的value list， 然后对于同一个key，对File1和File2中的数据进行join（笛卡尔乘积）。即：reduce阶段进行实际的连接操作。在这个例子中我们假设有两个数据文件如下：

user.csv文件：

"ID","NAME","SEX"
"1","user1","0"
"2","user2","0"
"3","user3","0"
"4","user4","1"
"5","user5","0"
"6","user6","0"
"7","user7","1"
"8","user8","0"
"9","user9","0"

order.csv文件：

"USER_ID","NAME"
"1","order1"
"2","order2"
"3","order3"
"4","order4"
"7","order7"
"8","order8"
"9","order9"

目前网上的例子大多是基于0.20以前版本的API写的，所以咱们采用新的API来写，具体代码如下：

public class MyJoin
{
    public static class MapClass extends 
        Mapper
    {

        //最好在map方法外定义变量，以减少map计算时创建对象的个数
        private Text key = new Text();
        private Text value = new Text();
        private String[] keyValue = null;
        
        @Override
        protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException
        {
            //采用的数据输入格式是TextInputFormat，
            //文件被分为一系列以换行或者制表符结束的行，
            //key是每一行的位置（偏移量,LongWritable类型），
            //value是每一行的内容,Text类型，所有我们要把key从value中解析出来
            keyValue = value.toString().split(",", 2);
            this.key.set(keyValue[0]);
            this.value.set(keyValue[1]);
            context.write(this.key, this.value);
        }
        
    }
    
    public static class Reduce extends Reducer
    {

        //最好在reduce方法外定义变量，以减少reduce计算时创建对象的个数
        private Text value = new Text();
        
        @Override
        protected void reduce(Text key, Iterable values, Context context)
                throws IOException, InterruptedException
        {
            StringBuilder valueStr = new StringBuilder();
            
            //values中的每一个值是不同数据文件中的具有相同key的值
            //即是map中输出的多个文件相同key的value值集合
            for(Text val : values)
            {
                valueStr.append(val);
                valueStr.append(",");
            }
            
            this.value.set(valueStr.deleteCharAt(valueStr.length()-1).toString());
            context.write(key, this.value);
        }
        
    }
    
    public static void main(String[] args) throws Exception
    {
        Configuration conf = new Configuration();
        Job job = new Job(conf, "MyJoin");
        
        job.setJarByClass(MyJoin.class);
        job.setMapperClass(MapClass.class);
        job.setReducerClass(Reduce.class);
        //job.setCombinerClass(Reduce.class);
        
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        
        //分别采用TextInputFormat和TextOutputFormat作为数据的输入和输出格式
        //如果不设置，这也是Hadoop默认的操作方式
        job.setInputFormatClass(TextInputFormat.class);
        job.setOutputFormatClass(TextOutputFormat.class);
        
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}