設計思路
分析這個實例，顯然需要進行單表連接，連接的是左表的parent列和右表的child列，且左表和右表是同一個表。
連接結果中除去連接的兩列就是所需要的結果——"grandchild--grandparent"表。要用MapReduce解決這個實例，首先應該考慮如何實現表的自連接；其次就是連接列的設置；最後是結果的整理。
考慮到MapReduce的shuffle過程會將相同的key會連接在一起，所以可以將map結果的key設置成待連接的列，然後列中相同的值就自然會連接在一起了。再與最開始的分析聯繫起來：
要連接的是左表的parent列和右表的child列，且左表和右表是同一個表，所以在map階段將讀入數據分割成child和parent之後，會將parent設置成key，child設置成value進行輸出，並作爲左表；再將同一對child和parent中的child設置成key，parent設置成value進行輸出，作爲右表。爲了區分輸出中的左右表，需要在輸出的value中再加上左右表的信息，比如在value的String最開始處加上字符1表示左表，加上字符2表示右表。這樣在map的結果中就形成了左表和右表，然後在shuffle過程中完成連接。reduce接收到連接的結果，其中每個key的value-list就包含了"grandchild--grandparent"關係。取出每個key的value-list進行解析，將左表中的child放入一個數組，右表中的parent放入一個數組，然後對兩個數組求笛卡爾積就是最後的結果了
程序代碼
import java.io.IOException;
import java.util.*;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
public class STjoin {
public static int time = 0;
/*
* map將輸出分割child和parent，然後正序輸出一次作爲右表，
* 反序輸出一次作爲左表，需要注意的是在輸出的value中必須
* 加上左右表的區別標識。
*/
public static class Map extends Mapper<Object, Text, Text, Text> {
// 實現map函數
public void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
String line=value.toString();
String[] strs= line.split("\t");
context.write(new Text(strs[1]),new Text("1+"+strs[0]));//輸出左表
context.write(new Text(strs[0]),new Text("2+"+strs[1]));//輸出右表
}
}
}
public static class Reduce extends Reducer<Text, Text, Text, Text> {
// 實現reduce函數
public void reduce(Text key, Iterable<Text> values, Context context)
throws IOException, InterruptedException {
// 輸出表頭
if (0 == time) {
context.write(new Text("grandchild"), new Text("grandparent"));
time++;
}
String[] grandchild = null;
int grandchildnum = 0;
String[] grandparent = null;
int grandparentnum = 0;
Iterator iter = values.iterator();
while (iter.hasNext()) {
String record = ite.next().toString();
String[] st=record.split("+");
if(st[0]==1){
grandchild[grandchildnum ] =st[1];
grandchildnum ++;
} else if(st[0]==2){
grandparent [grandparentnum ]=st[1];
grandparentnum ++;
}
}
// grandchild和grandparent數組求笛卡爾兒積
if (0 != grandchildnum && 0 != grandparentnum) {
for (int m = 0; m < grandchildnum; m++) {
for (int n = 0; n < grandparentnum; n++) {
// 輸出結果
context.write(new Text(grandchild[m]), new Text(grandparent[n]));
}
}
}
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
// 這句話很關鍵
conf.set("mapred.job.tracker", "192.168.1.2:9001");
String[] ioArgs = new String[] { "STjoin_in", "STjoin_out" };
String[] otherArgs = new GenericOptionsParser(conf, ioArgs).getRemainingArgs();
if (otherArgs.length != 2) {
System.err.println("Usage: Single Table Join <in> <out>");
System.exit(2);
}
Job job = new Job(conf, "Single Table Join");
job.setJarByClass(STjoin.class);
// 設置Map和Reduce處理類
job.setMapperClass(Map.class);
job.setReducerClass(Reduce.class);
// 設置輸出類型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
// 設置輸入和輸出目錄
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}