MaxCompute MapReduce框架自身并不支持Join邏輯,但您可以在自己的Map或Reduce函數中實現數據的Join。
前提條件
已通過快速入門完成測試所需環境配置。
測試準備
準備好測試程序的JAR包,假設名字為mapreduce-examples.jar,本地存放路徑為MaxCompute客戶端bin目錄下data\resources。
準備好Join的測試表和資源。
創建測試表。 對表mr_Join_src1與表mr_Join_src2執行Join操作,輸出表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);
添加測試資源。
-- 首次添加忽略-f覆蓋指令。 add jar data\resources\mapreduce-examples.jar -f;
使用Tunnel將MaxCompute客戶端bin目錄下data1.txt和data2.txt分別導入mr_Join_src和mr_Join_src2表中。
tunnel upload data1.txt mr_Join_src1; tunnel upload data2.txt mr_Join_src2;
導入mr_Join_src1數據的內容。
1,hello 2,odps
導入mr_Join_src2數據的內容。
1,odps 3,hello 4,odps
測試步驟
在MaxCompute客戶端中執行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;
預期結果
作業成功結束后,輸出表mr_Join_out中的內容如下。 其中value1是mr_Join_src1的value值,value2是mr_Join_src2的value值。
+------------+------------+------------+
| key | value1 | value2 |
+------------+------------+------------+
| 1 | hello | odps |
+------------+------------+------------+
代碼示例
Pom依賴信息,請參見注意事項。
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函數每次的輸入會是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[]>();
/**由于設置了outputKeySortColumn是key + tag組合,這樣可以保證reduce函數的輸入record中,left表的record數據在前面。*/
while (values.hasNext()) {
Record value = values.next();
long tag = (Long) key.get(1);
/**左表的數據會先緩存到內存中。*/
if (tag == 0) {
leftValues.add(value.toArray().clone());
} else {
/**右表的數據會與所有左表的數據進行join輸出,此時左表的數據已經全部在內存里了。*/
/**這個實現只是一個功能展示,性能較低,不建議用于實際生產。*/
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);
}
}
文檔內容是否對您有幫助?