Mapreduce之InnerJoin

内连接
两个文件 显示两个文件的数据
根据两个文件的数据进行判断
读取每一行数据
数据长度==2 那么就是第一个文件
长度==3那么就是第二个文件
第一个文件使用a#开头
第二个文件使用b#开头
两个文件使用相同的key value进行合并
获取以为开头a 并进行切分
获取以b开头 并进行切分
把切的数据封装 根据key相同聚合value

 

package com.hnxy.mr.join;

import java.io.IOException;
import java.util.LinkedList;
import java.util.List;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
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.Tool;
import org.apache.hadoop.util.ToolRunner;

import com.hnxy.mr.entity.AreaInfoWritable;
import com.hnxy.mr.entity.WordWritable;
import com.hnxy.mr.max.MaxMinWord;
import com.hnxy.mr.max.MaxMinWord.MWReducer;

public class InnerJoin extends Configured implements Tool {
	// 1 北京
	// 1 2010 1962
	// 合并查询
	public static class InnerJoinMapper extends Mapper<LongWritable, Text, Text, Text> {
		// 定义变量
		private String str = "";
		private String[] strs = null;
		// 定义输出值
		private Text outkey = new Text();
		private Text outval = new Text();

		@Override
		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, Text>.Context context)
				throws IOException, InterruptedException {
			// 有两个文件 一个是两个字段一个是三个字段
			// 首先获得每一行数据
			strs = value.toString().split("\t");
			if (strs.length == 2 && null != strs) {
				// id
				outkey.set(strs[0]);
				// 省份信息
				outval.set("a#" + strs[1]);
				// 写入这一行数据
				context.write(outkey, outval);
			} else if (strs.length == 3 && null != strs) {
				// id
				outkey.set(strs[0]);
				outval.set("b#" + strs[1] + "\t" + strs[2]);
				// 写入一个数据
				context.write(outkey, outval);
			} else {
				context.getCounter("erro_line", "count").increment(1);
			}

		}
	}

	public static class InnerJoinReducer extends Reducer<Text, Text, AreaInfoWritable, NullWritable> {
		// 定义返回值对象
		private AreaInfoWritable outkey = new AreaInfoWritable();
		private String aname = null;
		private List<String> year = new LinkedList<String>();
		private List<String> count = new LinkedList<String>();
		private String tmpSplit = null;

		@Override
		protected void reduce(Text key, Iterable<Text> values,
				Reducer<Text, Text, AreaInfoWritable, NullWritable>.Context context)
				throws IOException, InterruptedException {
			// 先按照a b切 在根据b的 按照\t切分
			year.clear();
			count.clear();
			aname = null;
			for (Text t : values) {
				if (t.toString().startsWith("a")) {
					// 省份信息
					aname = t.toString().split("#")[1];
				} else if (t.toString().startsWith("b")) {
					tmpSplit = t.toString().split("#")[1];
					year.add(tmpSplit.split("\t")[0]); // 年
					count.add(tmpSplit.split("\t")[1]); // 人
				}
			}

			// 判断是否失效
			if (year.size() > 0 && count.size() > 0 && null != aname && !aname.trim().equals("")) {
				for (int i = 0; i < year.size(); i++) {
					outkey.setAid(Long.parseLong(key.toString()));
					outkey.setAreaName(aname);
					outkey.setCount(Long.parseLong(count.get(i)));
					outkey.setYear(year.get(i));
					// 写入数据
					context.write(outkey, NullWritable.get());
				}
			}
		}
	}

	@Override
	public int run(String[] args) throws Exception {
		// 创建方法的返回值
		int count = 0;
		// 创建核心配置对象
		Configuration conf = this.getConf();
		// 创建一个任务
		Job job = Job.getInstance(conf, "maxword");
		// 配置任务打包类
		job.setJarByClass(InnerJoin.class);
		// 设置MapReduce类
		job.setMapperClass(InnerJoinMapper.class);
		job.setReducerClass(InnerJoinReducer.class);
		// 设置 map 阶段 和 reduce 节点的 输出数据类型
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(Text.class);
		job.setOutputKeyClass(AreaInfoWritable.class);
		job.setOutputValueClass(NullWritable.class);
		// 设置文件路径
		Path in = new Path(args[0]);
		Path out = new Path(args[1]);
		// 设置hdfs操作对象
		FileSystem fs = FileSystem.get(conf);
		// 绑定文件输出输入目录
		FileInputFormat.addInputPath(job, in);
		FileOutputFormat.setOutputPath(job, out);
		// 自动删除
		if (fs.exists(out)) {
			fs.delete(out, true);
			// 提示
			System.out.println(job.getJobName() + "'s Path Output is deleted");
		}
		// 执行
		boolean con = job.waitForCompletion(true);
		// 返回
		if (con) {
			System.out.println("成功");
		} else {
			System.out.println("失败");
		}
		return 0;
	}

	public static void main(String[] args) throws Exception {
		System.exit(ToolRunner.run(new InnerJoin(), args));
	}

}