package org.apache.hadoop.examples;
import java.io.IOException;
import java.util.*;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.BytesWritable;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.io.WritableComparable;
import org.apache.hadoop.mapred.*;
import org.apache.hadoop.mapred.join.*;
import org.apache.hadoop.mapred.lib.IdentityMapper;
import org.apache.hadoop.mapred.lib.IdentityReducer;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
/**
hadoop的map/reduce例子,演示了用CompositeInputFormat类来对两个数据集进行join操作,可以是inner join;outerjoin;也可以是override join。
* This is the trivial map/reduce program that does absolutely nothing
* other than use the framework to fragment and sort the input values.
*
* To run: bin/hadoop jar build/hadoop-examples.jar join
* [-m <i>maps</i>] [-r <i>reduces</i>]
* [-inFormat <i>input format class</i>]
* [-outFormat <i>output format class</i>]
* [-outKey <i>output key class</i>]
* [-outValue <i>output value class</i>]
* [-joinOp <inner|outer|override>]
* [<i>in-dir</i>]* <i>in-dir</i> <i>out-dir</i>
*/
public class Join extends Configured implements Tool {
static int printUsage() {
System.out.println("join [-m <maps>] [-r <reduces>] " +
"[-inFormat <input format class>] " +
"[-outFormat <output format class>] " +
"[-outKey <output key class>] " +
"[-outValue <output value class>] " +
"[-joinOp <inner|outer|override>] " +
"[input]* <input> <output>");
ToolRunner.printGenericCommandUsage(System.out);
return -1;
}
/**driver代码
* The main driver for sort program.
* Invoke this method to submit the map/reduce job.
* @throws IOException When there is communication problems with the
* job tracker.
*/
public int run(String[] args) throws Exception {
JobConf jobConf = new JobConf(getConf(), Sort.class);
jobConf.setJobName("join");
jobConf.setMapperClass(IdentityMapper.class); //设置map类是IdentityMapper
jobConf.setReducerClass(IdentityReducer.class);//设置reduce类是IdentityReducer
JobClient client = new JobClient(jobConf);
ClusterStatus cluster = client.getClusterStatus();
int num_maps = cluster.getTaskTrackers() *
jobConf.getInt("test.sort.maps_per_host", 10);
int num_reduces = (int) (cluster.getMaxReduceTasks() * 0.9);
String sort_reduces = jobConf.get("test.sort.reduces_per_host");
if (sort_reduces != null) {
num_reduces = cluster.getTaskTrackers() *
Integer.parseInt(sort_reduces);
}
Class<? extends InputFormat> inputFormatClass =
SequenceFileInputFormat.class;
Class<? extends OutputFormat> outputFormatClass =
SequenceFileOutputFormat.class;
Class<? extends WritableComparable> outputKeyClass = BytesWritable.class;
Class<? extends Writable> outputValueClass = TupleWritable.class;
String op = "inner"; //join是inner join
List<String> otherArgs = new ArrayList<String>();
for(int i=0; i < args.length; ++i) {
try {
if ("-m".equals(args[i])) {
num_maps = Integer.parseInt(args[++i]);
} else if ("-r".equals(args[i])) {
num_reduces = Integer.parseInt(args[++i]);
} else if ("-inFormat".equals(args[i])) {
inputFormatClass =
Class.forName(args[++i]).asSubclass(InputFormat.class);
} else if ("-outFormat".equals(args[i])) {
outputFormatClass =
Class.forName(args[++i]).asSubclass(OutputFormat.class);
} else if ("-outKey".equals(args[i])) {
outputKeyClass =
Class.forName(args[++i]).asSubclass(WritableComparable.class);
} else if ("-outValue".equals(args[i])) {
outputValueClass =
Class.forName(args[++i]).asSubclass(Writable.class);
} else if ("-joinOp".equals(args[i])) {
op = args[++i];
} else {
otherArgs.add(args[i]);
}
} catch (NumberFormatException except) {
System.out.println("ERROR: Integer expected instead of " + args[i]);
return printUsage();
} catch (ArrayIndexOutOfBoundsException except) {
System.out.println("ERROR: Required parameter missing from " +
args[i-1]);
return printUsage(); // exits
}
}
// Set user-supplied (possibly default) job configs
jobConf.setNumMapTasks(num_maps);
jobConf.setNumReduceTasks(num_reduces);
if (otherArgs.size() < 2) {
System.out.println("ERROR: Wrong number of parameters: ");
return printUsage();
}
FileOutputFormat.setOutputPath(jobConf,
new Path(otherArgs.remove(otherArgs.size() - 1)));
List<Path> plist = new ArrayList<Path>(otherArgs.size());
for (String s : otherArgs) {
plist.add(new Path(s));
}
jobConf.setInputFormat(CompositeInputFormat.class);//设置输入格式类是CompositeInputFormat
jobConf.set("mapred.join.expr", CompositeInputFormat.compose(
op, inputFormatClass, plist.toArray(new Path[0])));
//设置CompositeInputFormat的参数,包括join类型,输入格式类型。
jobConf.setOutputFormat(outputFormatClass);
jobConf.setOutputKeyClass(outputKeyClass);
jobConf.setOutputValueClass(outputValueClass);
Date startTime = new Date();
System.out.println("Job started: " + startTime);
JobClient.runJob(jobConf);
Date end_time = new Date();
System.out.println("Job ended: " + end_time);
System.out.println("The job took " +
(end_time.getTime() - startTime.getTime()) /1000 + " seconds.");
return 0;
}
public static void main(String[] args) throws Exception {
int res = ToolRunner.run(new Configuration(), new Join(), args);
System.exit(res);
}
}
分享到:
相关推荐
源代码解释了线程管理和同步机制的底层实现。 8. 错误处理:`errno`变量和`perror`函数用于报告和解析错误。源代码展示了如何正确地设置和使用这些错误处理机制。 通过研究这些源代码,你不仅可以加深对C语言和...
【仿淘宝网站asp系统源代码】是一个用于学习和探索ASP技术的项目,它模拟了淘宝网的功能,提供了多用户网络商城的基本购物体验。这个试用版由某个公司提供,适用于那些想要了解电子商务平台构建和ASP编程的学生或者...
《Hibernate Quickly 源代码》是一份专注于Java持久层框架Hibernate的开源项目,它提供了快速理解和应用Hibernate的实例。这份源代码集可以帮助开发者深入学习Hibernate的核心功能和最佳实践,包括对象关系映射(ORM...
JavaScript教程源代码是一个涵盖广泛JavaScript知识点的资源集合,旨在帮助学习者通过实践深入理解这门语言。JavaScript,通常简称为JS,是Web开发中的核心技术,主要用于网页和应用程序的交互性。它是一种轻量级的...
《2008技术内幕:T-SQL查询源代码》是针对SQL Server 2008数据库管理系统的一本深入解析T-SQL查询的专著。该书的核心内容围绕如何高效地编写、理解和优化T-SQL查询展开,旨在帮助读者掌握数据库查询的核心技巧,提升...
以下是对源代码中涉及的关键知识点的详细解释: 1. **线程基础**: - `System.Threading.Thread`类:这是创建和管理线程的基本API。你可以通过实例化`Thread`类并提供执行的入口点来创建新线程。 - `Start`方法:...
源代码的提供为读者提供了动手实践的机会,加深了对Python语法和编程理念的理解。以下是对该资源中涉及的知识点的详细解释: 1. **Python基础语法**:包括变量、数据类型(如整型、浮点型、字符串、布尔型)、...
源代码ch15部分主要涉及第十五章的内容,这一章通常涵盖了一些高级主题,例如多线程编程、信号处理、异步I/O以及进程间通信等。 1. **多线程编程**: 在Linux中,多线程编程通过pthread库实现,该库提供了创建、...
源代码可能包含线程的创建、Join、Mutex、Semaphore等同步原语的使用。 11. 反射:反射允许程序在运行时检查和操作自身。源代码可能包含动态创建对象、获取类型信息和调用方法的示例。 12. LINQ查询:Language ...
书中源代码解释了pthread_create()、pthread_join()、pthread_mutex_系列、pthread_cond_系列等线程相关的API,帮助理解多线程的同步与互斥。 6. **内存管理**:涵盖了动态内存分配(malloc()、calloc()、realloc()...
源代码会解释如何设置信号处理器,以及如何使用信号量来控制资源访问。 6. **内存管理**:包括动态内存分配(`malloc()`, `calloc()`, `realloc()`, `free()`)和映射文件到内存(`mmap()`, `munmap()`)等操作,这...
源代码中可能会通过不同示例演示这些状态之间的转换,并解释如何通过`sleep()`, `join()`, `wait()`, `notify()`和`notifyAll()`等方法来控制线程状态。 3. **线程同步**:为了避免多线程环境下的数据竞争问题,...
源代码会解释如何打开、关闭文件,以及如何读写文件内容。 7. **位操作**:`<bit>`库(C11标准引入)提供了位操作函数,如`bitwise AND`、`OR`、`NOT`、`XOR`等,这对于低级别编程和硬件接口操作至关重要。 8. **...
"TSQLQuerying20090710.zip"这个文件很可能包含了书中所有示例的源代码,读者可以通过这些代码直接在SQL Server环境中执行,以便更好地理解和学习T-SQL查询的实际应用。这些源代码对于动手实践和解决问题来说是非常...
在这个项目中,你将找到源代码、使用说明和相关的文档,这些都是完成一个完整数据库课程设计所必需的部分。 首先,我们来详细探讨一下这些组成部分: 1. **源代码**:源代码是实现数据库应用程序的关键部分,它...
代码范例列表 第1章 示例描述:本章演示如何开始使用JDK进行程序的开发。 HelloWorldApp.java 第一个用Java开发的应用程序。 firstApplet.java 第一个用Java开发的Applet小程序。 firstApplet.htm 用来装载...
9. **可空引用类型**:虽然C# 2012未完全实现可空引用类型,但这一特性在后续的C#版本中被引入,源代码中可能有相关的注释或示例。 10. **LINQ扩展**:C# 2012继续强化了Language Integrated Query(LINQ)的功能,...
这份"mysql源代码和相应笔记.zip"压缩包文件显然包含了MySQL的源代码以及相关的学习笔记,这对于深入理解MySQL的工作原理、进行二次开发或优化性能来说是极其宝贵的资源。 源代码分析: MySQL的源代码主要由C++编写...
赠送源代码:lucene-join-7.2.1-sources.jar; 赠送Maven依赖信息文件:lucene-join-7.2.1.pom; 包含翻译后的API文档:lucene-join-7.2.1-javadoc-API文档-中文(简体)-英语-对照版.zip; Maven坐标:org.apache....
这个“SSH的多表联合源代码”很可能是为了展示如何在SSH框架下实现数据库中的多表关联查询和操作。下面将详细解释SSH框架的各个组成部分以及它们在多表联合操作中的应用。 1. **Struts2**:这是一个基于MVC设计模式...