Map Join与计数器

一、概念

　　1、Map Join：

　　　　Map Join适用于一张表十分小、一张表很大的场景,然后两张表还有关联

二、项目介绍

　　1、待处理文本

　　　　order.txt订单信息表里记录着订单ID，商品ID，订单销量(模拟当大表)

　　　　pd.txt商品信息表里记录着商品ID，商品名称(模拟当小表，小表直接加入缓存)　　　　

　　　　　　

1001    01    1
1002    02    2
1003    03    3
1004    01    4
1005    02    5
1006    03    6

 

　　　　　　

01    小米
02    华为
03    格力

　　2、需求

　　　将商品信息表中数据根据商品pid合并到订单数据表中

　　 3、MapBean.java　　　　

　　　　　　

package com.jh.mapperJoin;

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

public class MapBean implements Writable {
    private String orderID; //订单ID
    private String shopID; //商品ID
    private Integer orderNum; //订单商品数量
    private String shopName; //商品名称

    public MapBean() {
        super();
    }

    @Override
    public String toString() {
        return orderID + "\t" + shopName + "\t" + orderNum;
    }

    public String getOrderID() {
        return orderID;
    }

    public void setOrderID(String orderID) {
        this.orderID = orderID;
    }

    public String getShopID() {
        return shopID;
    }

    public void setShopID(String shopID) {
        this.shopID = shopID;
    }

    public Integer getOrderNum() {
        return orderNum;
    }

    public void setOrderNum(Integer orderNum) {
        this.orderNum = orderNum;
    }

    public String getShopName() {
        return shopName;
    }

    public void setShopName(String shopName) {
        this.shopName = shopName;
    }

    //序列化
    @Override
    public void write(DataOutput out) throws IOException {
        out.writeUTF(orderID);
        out.writeUTF(shopID);
        out.writeInt(orderNum);
        out.writeUTF(shopName);
    }

    //反序列化
    @Override
    public void readFields(DataInput in) throws IOException {
        orderID = in.readUTF();
        shopID = in.readUTF();
        orderNum = in.readInt();
        shopName = in.readUTF();
    }
}

　　4、MapJoinMapper.java　　　　

　　　　　　

package com.jh.mapperJoin;

import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URI;
import java.util.HashMap;

public class MapJoinMapper extends Mapper<LongWritable,Text,MapBean,NullWritable> {
    /*
        Map Join将小表放在缓存中，只需在driver类中设置缓存小表的路径，
        在Mapper类中取缓存小表，进行读取操作
     */
    private HashMap<String,String> map = new HashMap<>();
    private MapBean bean = new MapBean();

    // 用枚举的形式统计读取到的商品的条数和订单的条数(计数器)
    enum MyCount{ORDERNUM,SHOPNUM}
    /**
     * 任务开始执行时调用一次
     * @param context
     * @throws IOException
     * @throws InterruptedException
     */
    @Override
    protected void setup(Context context) throws IOException, InterruptedException {
        // 获取商品数据信息
        URI[] cacheFiles = context.getCacheFiles();
        // 获取文件路径
        String path = cacheFiles[0].getPath();
        // 读取文件内容
        BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(new FileInputStream(path)));
        String line;
        /*
            判断文件每一行，不是空行进行切割，
            并将商品ID赋值map的键，商品名称赋值map的值
         */
        while (StringUtils.isNotEmpty(line = bufferedReader.readLine())){
            String[] split = line.split("\t");
            map.put(split[0],split[1]);

            // 用枚举的形式统计读取到的商品的条数
            context.getCounter(MyCount.SHOPNUM).increment(1);
            // 用计算器组名加计数器名来统计读取到的商品的条数
            context.getCounter("Msg","ShopNum").increment(1);
        }
    }

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 获取大表每一行
        String line = value.toString();
        // 分隔符切割
        String[] split = line.split("\t");

        // 赋值
        bean.setOrderID(split[0]);
        bean.setShopID(split[1]);
        bean.setOrderNum(Integer.parseInt(split[2]));
        // 赋值商品名称，通过小表存在map集合中的键取出值
        bean.setShopName(map.get(split[1]));

        // 分别用枚举和组的形式统计读取到的订单的条数
        context.getCounter(MyCount.ORDERNUM).increment(1);
        context.getCounter("Msg","OrderNum").increment(1);
        context.write(bean,NullWritable.get());
    }

    /**
     * 任务执行完毕调用一次
     * @param context
     * @throws IOException
     * @throws InterruptedException
     */
    @Override
    protected void cleanup(Context context) throws IOException, InterruptedException {
        //super.cleanup(context);
    }
}

　　5、MapJoinDriver.java　　

　　　　　　

package com.jh.mapperJoin;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;

public class MapJoinDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException, URISyntaxException {
        //1.获取job对象和配置文件对象
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        //2.添加jar的路径
        job.setJarByClass(MapJoinDriver.class);

        //3.设置mapper类
        job.setMapperClass(MapJoinMapper.class);

        //4.设置mapper类输出的数据类型
        job.setMapOutputKeyClass(MapBean.class);
        job.setMapOutputValueClass(NullWritable.class);

        //map join添加缓存文件
        job.addCacheFile(new URI("file:///C:/Users/ASUS/Desktop/datas/mapJoinInput2/pd.txt"));
        //map join没有reducetask
        job.setNumReduceTasks(0);
        
        //设置文件的输入出路径
        FileInputFormat.setInputPaths(job,new Path(args[0]));
        FileOutputFormat.setOutputPath(job,new Path(args[1]));

        //提交任务
        boolean result = job.waitForCompletion(true);
        //成功返回0，失败返回1
        System.exit(result ? 0:1);
    }
}

　　6、输出结果为