摘要：
本文是对Hive中【内连接】的Java-API的实现，具体的HQL语句详见Hive查询Joinpackage join.map;import java.io.IOException;import java.util.ArrayList;import java.util.List;import org... 阅读全文
摘要：
本文是对MR案例：Map-Join的解读。在hadoop中，共享全局变量或全局文件的几种方法使用Configuration的set()方法，只适合数据内容比较小的场景将缓存文件放在HDFS上，每次都去读取，效率比较低将缓存文件放在DistributedCache里，在setup()初始化一次后，即可... 阅读全文
摘要：
适用场景：一张表十分小【key不可重复】、一张表非常大。 用法：在Job提交时，首先将小表加载到 DistributedCache 分布式缓存中，然后从DistributeCache中读取小表解析成 key/value 保存到内存中（可以放在Hash Map等容器中）。然后扫描大表中的每条记录的 k... 阅读全文
摘要：
1.Hadoop Streaming是为了方便不太熟悉java用户编写MR程序的工具。用户可以将任何可执行文件（C++）或者脚本(python，ruby)作为Mapper/Reducer, 提高了效率。Hadoop Steaming 要求用户编写的Mapper/Reducer从【标准输入】中读取数据... 阅读全文
摘要：
此文紧接Job流程：提交MR-Job过程。上一篇分析可以看出，MR-Job提交过程的核心代码在于 JobSubmitter 类的 submitJobInternal()方法。本文就由此方法的这一句代码开始分析：//计算并确定 map 的个数，以及各个输入切片 Splits 的相关信息int maps... 阅读全文
摘要：
1.一个标准 MR-Job 的执行入口：//参数 true 表示检查并打印 Job 和 Task 的运行状况System.exit(job.waitForCompletion(true) ? 0 : 1);2.job.waitForCompletion(true)方法的内部实现：//job.wait... 阅读全文
摘要：
问题描述：两种类型输入文件：address(地址)和company(公司)进行一对多的关联查询，得到地址名(例如：Beijing)与公司名(例如：Beijing JD、Beijing Red Star)的关联信息。可参考MR案例：Map-Join1.map阶段：对比之前的单表关联可知，reduce阶... 阅读全文
摘要：
1.map阶段：将单词和URI组成Key值（如“MapReduce :1.txt”），将词频作为value。 利用MR框架自带的Map端排序，将同一文档的相同单词的词频组成列表，传递给Combine过程，实现类似于WordCount的功能。Class Map{ method map(){ ... 阅读全文
摘要：
问题描述：现有一批cookie日志，按照日期进行存放，如目录 “dir/2015-08-08” 下存放2015-08-08这一天的所有cookie。而目录 “/2015-08-08/” 下又根据数据文件名称的不同存放不同项目的cookie，如 “project-flag-cookie” 文件中存放的... 阅读全文
摘要：
现有一学生成绩数据，格式如下： //。需求描述：查询成绩大于等于60分的学生数据，按学院分组，组内按成绩从小到大排序。使用SQL描述：Select * from table where grade >= 60 group by institute ... 阅读全文