MapReduce 订单和商品pid替换(Map Join)基本实现

首先在Map阶段初始化时读取替换表的内容存入内存中，然后在Map阶段map方法时将其进行替换。所以只需要Map阶段即可，不需要Reduce阶段。

order.txt 订单表数据(间隔：t)

订单id 商品id 数量

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

pd.txt 商品表数据(间隔：t)

商品id 商品名字

01	小米
02	华为
03	红米

参考 MapReduce统计流量案例 中的配置  

package com.test.mapreduce.mapjoin;

import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
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.IOException;
import java.io.InputStreamReader;
import java.net.URI;
import java.util.HashMap;
import java.util.Map;

public class MapJoinMapper extends Mapper {

    private Map pdMap = new HashMap<>();
    private Text text = new Text();

    
    @Override
    protected void setup(Context context) throws IOException, InterruptedException {
        // 通过缓存文件得到小表数据pd.txt
        URI[] cacheFiles = context.getCacheFiles();
        Path path = new Path(cacheFiles[0]);

        // 获取文件系统对象
        FileSystem fs = FileSystem.get(context.getConfiguration());
        // 打开流
        FSDataInputStream fis = fs.open(path);

        // 通过包装流转换为reader，方便按行读取
        BufferedReader reader = new BufferedReader(new InputStreamReader(fis, "UTF-8"));

        // 逐行读取，按行来处理
        String line;
        while (StringUtils.isNotEmpty(line = reader.readLine())) {
            // 字符串切割(数据：01 小米)
            String[] split = line.split("t");
            // 添加到HashMap中
            pdMap.put(split[0], split[1]);
        }

        // 关闭流
        IOUtils.closeStream(reader);
    }

    
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1.获取每一行
        String line = value.toString();
        // 2.字符串切割
        String[] split = line.split("t");
        // 3.获取pname
        String pname = pdMap.get(split[1]);
        // 4.封装并拼接
        text.set(split[0] + "t" + pname + "t" + split[2]);
        // 5.写出
        context.write(text, NullWritable.get());
    }
}

package com.test.mapreduce.mapjoin;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
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信息
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        // 2.设置加载jar包路径
        job.setJarByClass(MapJoinDriver.class);

        // 3.关联mapper
        job.setMapperClass(MapJoinMapper.class);

        // 4.设置Map输出KV类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(NullWritable.class);

        // 5.设置最终输出KV类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(NullWritable.class);

        // 6.加载缓存数据
        job.addCacheFile(new URI("file:///D:/cache/pd.txt"));
        // 6.Map端Join的逻辑不需要Reduce阶段，设置reduceTask数量为0
        job.setNumReduceTasks(0);

        // 8.设置输入输出路径
        FileInputFormat.setInputPaths(job, new Path("D:\input"));
        FileOutputFormat.setOutputPath(job, new Path("D:\output"));

        // 9.提交
        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : 1);
    }
}

1001	小米	1
1002	华为	2
1003	红米	3
1004	小米	4
1005	华为	5
1006	红米	6