Hadoop多目录输入，join，进入reduce，数据流分析
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Hadoop多目录输入，join，进入reduce，数据流分析，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4093字，纯文字阅读大概需要6分钟。
内容图文
前言
在做需求时，经常遇到多个目录，也就是多个维度进行join，这里分析一下，数据是怎么流动的。
1、多目录输入
使用MultipleInputs.addInputPath() 对多目录制定格式和map
2、数据流分析
map按行读入数据，需要对不同的输入目录，打上不同的标记（这个方法又叫reduce端连接），map在输出后会进行partition和sort，按照key进行排序，然后输出到reduce进行处理。
例子
三个输入文件：
a.txt：
500 501
b.txt:
500 501 600 505
c.txt:
501 500 700 800
代码
import java.io.IOException;
import java.util.Iterator;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Partitioner;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
import util.TextPair;
import com.sina.hadoop.MultipleInputs;
public class Main extends Configured implements Tool
{
public static void main(String[] args) throws Exception
{
int exitcode = ToolRunner.run(new Main(), args);
System.exit(exitcode);
}
/**
* 分区
*/
static class TextPairKeyPartitioner extends Partitioner<TextPair, Text>
{
public int getPartition(TextPair key, Text value, int numPartitions)
{
return (key.getFirst().hashCode() & Integer.MAX_VALUE) % numPartitions;
}
}
public int run(String[] arg0) throws Exception
{
int exitcode = 0;
if (exitcode == 0)
{
Job job1 = new Job();
job1.setJobName("testMultipleInputs");
job1.setJarByClass(Main.class);
MultipleInputs.addInputPath(job1, new Path("xx/testMultipleInputs/input/a/"),
TextInputFormat.class, AMapper.class);
MultipleInputs.addInputPath(job1, new Path("xx/testMultipleInputs/input/b/"),
TextInputFormat.class, BMapper.class);
MultipleInputs.addInputPath(job1, new Path("xx/testMultipleInputs/input/c/"),
TextInputFormat.class, CMapper.class);
job1.setReducerClass(TestReducer.class);
FileOutputFormat.setOutputPath(job1, new Path("xx/testMultipleInputs/output/"));
job1.setOutputKeyClass(Text.class);
job1.setOutputValueClass(Text.class);
job1.setPartitionerClass(TextPairKeyPartitioner.class);
job1.setGroupingComparatorClass(TextPair.FirstComparator.class);
job1.setMapOutputKeyClass(TextPair.class);
job1.setMapOutputValueClass(Text.class);
job1.setNumReduceTasks(1);
exitcode = job1.waitForCompletion(true) ? 0 : 1;
}
return exitcode;
}
public class AMapper extends Mapper<LongWritable, Text, TextPair, Text>
{
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException
{
String[] data = value.toString().split("\t", -1);
String id = "";
if (data.length >= 1)
{
id = data[0];
if (!"".equals(id))
{
context.write(new TextPair(id, "1"), new Text("0"));
}
}
}
}
public class BMapper extends Mapper<LongWritable, Text, TextPair, Text>
{
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException
{
String[] data = value.toString().split("\t", -1);
String id1 = "";
String id2 = "";
if (data.length >= 2)
{
id1 = data[0];
id2 = data[1];
if (!"".equals(id1))
{
context.write(new TextPair(id1, "2"), new Text(id2));
}
}
}
}
public class CMapper extends Mapper<LongWritable, Text, TextPair, Text>
{
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException
{
String[] data = value.toString().split("\t", -1);
String id1 = "";
String id2 = "";
if (data.length >= 2)
{
id1 = data[0];
id2 = data[1];
if (!"".equals(id1))
{
context.write(new TextPair(id1, "3"), new Text(id2));
}
}
}
}
public class TestReducer extends Reducer<TextPair, Text, Text, Text>
{
public void reduce(TextPair key, Iterable<Text> values, Context context) throws IOException, InterruptedException
{
String data = "";
Iterator<Text> i = values.iterator();
while (i.hasNext())
{
data = i.next().toString();
context.write(key.getFirst(), new Text(data));
}
}
}
}
原文：http://blog.csdn.net/smile0198/article/details/35573315
内容总结
以上是互联网集市为您收集整理的Hadoop多目录输入，join，进入reduce，数据流分析全部内容，希望文章能够帮你解决Hadoop多目录输入，join，进入reduce，数据流分析所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。
来源：【匿名】