作者:lin | 来源:互联网 | 2023-08-01 15:36
1.需求:
订单数据表t_order:
关系数据库表-
id |
date |
pid |
amount |
1001 |
20150710 |
P0001 |
2 |
1002 |
20150710 |
P0001 |
3 |
1002 |
20150710 |
P0002 |
3 |
抽象成文件数据:
1001,20150710,P0001,2
1002,20150710,P0001,3
1003,20150710,P0002,3
1002,20150710,P0003,3
1002,20150710,P0002,4
。。。。。。
商品信息表t_product:
id |
pname |
|
|
P0001 |
小米5 |
|
|
P0002 |
魅族 |
|
|
抽象成文件数据:
p0001,小米
p0002,魅族
p0003,oppo
。。。。。。
现在要把2个文件通过pID进行关联,如果按照上一遍文章,在Reduce中做关联那么问题来了,如果小米手机的订单量远远大于魅族手机的订单量,这样就会产生处理小米手机的ReduceTask任务量很大,执行时间久,而处理魅族的ReduceTask任务轻很快就执行完了,出现了负载不均衡,数据倾斜。
2.实现
鉴于是小数据量的表和大数据量的表进行join,可以用分布式缓存把小表缓存到map节点,在map阶段直接使用,与大表进行join,不在reduce阶段进行join,避免数据倾斜,提高并发量和效率。
通过main函数先把缓存文件加载到节点(底层自动分发到map节点--分布式缓存):
job.addCacheFile(“文件路径”);
代码:
package join;
import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URI;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class MapJoin {
static class JoinMapper extends Mapper{
Map pmap=new HashMap();//装产品数据
Text k=new Text();
/*重写setup方法,看Mapper源码里面有个线程的run方法,
方法执行顺序是setup()-->map(),所以会先加载setup方法
*/
@Override
protected void setup(Context context)throws IOException, InterruptedException {
//读取本地缓存中文件的数据
BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream("product")));
String line;
//如果读取的一行数据不为空,则把产品数据切分,存储在pmap中
while(StringUtils.isNotEmpty(line=br.readLine())){
String[] fields = line.split(",");
pmap.put(fields[0], fields[1]);//K为商品id,v为商品名
}
br.close();
}
//由于已经持有完整的产品信息表,所以直接在map中实现join操作,不需要reduce操作,就不会有数据倾斜
@Override
protected void map(LongWritable key, Text value,Context context)throws IOException, InterruptedException {
String oline = value.toString();//获取订单信息
String[] fields = oline.split(",");
String pName = pmap.get(fields[2]);//根据pid获取pName
k.set(oline+","+pName);//数据拼接
context.write(k, new Text(""));//输出
}
}
public static void main(String[] args) throws Exception {
Configuration cOnf= new Configuration();
Job job = Job.getInstance(conf);
job.setJarByClass(MapJoin.class);
job.setMapperClass(JoinMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setOutputValueClass(NullWritable.class);
FileInputFormat.setInputPaths(job, new Path(args[0]));//订单文件地址
FileOutputFormat.setOutputPath(job, new Path(args[1]));//join后的文件数据地址
//指定需要缓存文件到所有mapTask运行节点工作目录
job.addCacheFile(new URI(args[2]));//args[2]缓存文件路径可以写死(product)
//由于Map就把事情搞定了,所以不需要reduce阶段,reduceTask为0
job.setNumReduceTasks(0);
boolean res = job.waitForCompletion(true);
System.exit(res?0:1);
}
}
结果:
1001,20150710,P0001,2,小米
。。。。。。
。。。。。。