MaxCompute MapReduce框架自身并不支持Join逻辑,但您可以在自己的Map或Reduce函数中实现数据的Join。
前提条件
已通过快速入门完成测试所需环境配置。
测试准备
准备好测试程序的JAR包,假设名字为mapreduce-examples.jar,本地存放路径为MaxCompute客户端bin目录下data\resources。
准备好Join的测试表和资源。
创建测试表。 对表mr_Join_src1与表mr_Join_src2执行Join操作,输出表mr_Join_out。
CREATE TABLE mr_Join_src1(key BIGINT, value STRING); CREATE TABLE mr_Join_src2(key BIGINT, value STRING); CREATE TABLE mr_Join_out(key BIGINT, value1 STRING, value2 STRING);
添加测试资源。
-- 首次添加忽略-f覆盖指令。 add jar data\resources\mapreduce-examples.jar -f;
使用Tunnel将MaxCompute客户端bin目录下data1.txt和data2.txt分别导入mr_Join_src和mr_Join_src2表中。
tunnel upload data1.txt mr_Join_src1; tunnel upload data2.txt mr_Join_src2;
导入mr_Join_src1数据的内容。
1,hello 2,odps
导入mr_Join_src2数据的内容。
1,odps 3,hello 4,odps
测试步骤
在MaxCompute客户端中执行Join。
jar -resources mapreduce-examples.jar -classpath data\resources\mapreduce-examples.jar
com.aliyun.odps.mapred.open.example.Join mr_Join_src1 mr_Join_src2 mr_Join_out;
预期结果
作业成功结束后,输出表mr_Join_out中的内容如下。 其中value1是mr_Join_src1的value值,value2是mr_Join_src2的value值。
+------------+------------+------------+
| key | value1 | value2 |
+------------+------------+------------+
| 1 | hello | odps |
+------------+------------+------------+
代码示例
Pom依赖信息,请参见注意事项。
package com.aliyun.odps.mapred.open.example;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;
import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
import com.aliyun.odps.data.Record;
import com.aliyun.odps.data.TableInfo;
import com.aliyun.odps.mapred.JobClient;
import com.aliyun.odps.mapred.MapperBase;
import com.aliyun.odps.mapred.ReducerBase;
import com.aliyun.odps.mapred.conf.JobConf;
import com.aliyun.odps.mapred.utils.InputUtils;
import com.aliyun.odps.mapred.utils.OutputUtils;
import com.aliyun.odps.mapred.utils.SchemaUtils;
/**
* Join, mr_Join_src1/mr_Join_src2(key bigint, value string), mr_Join_out(key
* bigint, value1 string, value2 string)
*
*/
public class Join {
public static final Log LOG = LogFactory.getLog(Join.class);
public static class JoinMapper extends MapperBase {
private Record mapkey;
private Record mapvalue;
private long tag;
@Override
public void setup(TaskContext context) throws IOException {
mapkey = context.createMapOutputKeyRecord();
mapvalue = context.createMapOutputValueRecord();
tag = context.getInputTableInfo().getLabel().equals("left") ? 0 : 1;
}
@Override
public void map(long key, Record record, TaskContext context)
throws IOException {
mapkey.set(0, record.get(0));
mapkey.set(1, tag);
for (int i = 1; i < record.getColumnCount(); i++) {
mapvalue.set(i - 1, record.get(i));
}
context.write(mapkey, mapvalue);
}
}
public static class JoinReducer extends ReducerBase {
private Record result = null;
@Override
public void setup(TaskContext context) throws IOException {
result = context.createOutputRecord();
}
/**reduce函数每次的输入会是key相同的所有record。*/
@Override
public void reduce(Record key, Iterator<Record> values, TaskContext context)
throws IOException {
long k = key.getBigint(0);
List<Object[]> leftValues = new ArrayList<Object[]>();
/**由于设置了outputKeySortColumn是key + tag组合,这样可以保证reduce函数的输入record中,left表的record数据在前面。*/
while (values.hasNext()) {
Record value = values.next();
long tag = (Long) key.get(1);
/**左表的数据会先缓存到内存中。*/
if (tag == 0) {
leftValues.add(value.toArray().clone());
} else {
/**右表的数据会与所有左表的数据进行join输出,此时左表的数据已经全部在内存里了。*/
/**这个实现只是一个功能展示,性能较低,不建议用于实际生产。*/
for (Object[] leftValue : leftValues) {
int index = 0;
result.set(index++, k);
for (int i = 0; i < leftValue.length; i++) {
result.set(index++, leftValue[i]);
}
for (int i = 0; i < value.getColumnCount(); i++) {
result.set(index++, value.get(i));
}
context.write(result);
}
}
}
}
}
public static void main(String[] args) throws Exception {
if (args.length != 3) {
System.err.println("Usage: Join <input table1> <input table2> <out>");
System.exit(2);
}
JobConf job = new JobConf();
job.setMapperClass(JoinMapper.class);
job.setReducerClass(JoinReducer.class);
job.setMapOutputKeySchema(SchemaUtils.fromString("key:bigint,tag:bigint"));
job.setMapOutputValueSchema(SchemaUtils.fromString("value:string"));
job.setPartitionColumns(new String[]{"key"});
job.setOutputKeySortColumns(new String[]{"key", "tag"});
job.setOutputGroupingColumns(new String[]{"key"});
job.setNumReduceTasks(1);
InputUtils.addTable(TableInfo.builder().tableName(args[0]).label("left").build(), job);
InputUtils.addTable(TableInfo.builder().tableName(args[1]).label("right").build(), job);
OutputUtils.addTable(TableInfo.builder().tableName(args[2]).build(), job);
JobClient.runJob(job);
}
}
文档内容是否对您有帮助?