`
dasheng
  • 浏览: 148524 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

Join源代码注释

阅读更多
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 &lt;inner|outer|override&gt;]
 *            [<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:
评论

相关推荐

    Linux下的C库函数源代码

    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

    【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

    《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

    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

    《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...

    C#多线程编程实战 源代码

    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:...

    Python核心编程第二版源代码

    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)、...

    Linux程序设计第四版_源代码ch15

    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、...

    《C#编程典型实例解析》-源代码.rar

    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 ...

    apue.2e源代码

    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()...

    unix 环境高级编程 源代码

    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...

    java线程第三版源代码, jthreads3rd.src

    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,...

    C语言标准库源代码(学习C语言必备)

    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**:`&lt;bit&gt;`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. **...

    Microsoft SQL Server 2008技术内幕:T-SQL查询_源代码及附录A

    "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...

    数据库课程设计含文档、使用说明、源代码

    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...

    Java开发技术大全(500个源代码).

    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...

    C#2012 书上源代码

    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,...

    mysql源代码和相应笔记.zip

    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...

    lucene-join-7.2.1-API文档-中英对照版.zip

    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....

    SSH的多表联合源代码

    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...

Global site tag (gtag.js) - Google Analytics