MaxCompute MapReduce フレームワークは、それ自体では結合ロジックをサポートしません。 したがって、自身の map/reduce 関数のデータの結合サンプルを適用する必要があり、これには追加の作業が必要になります。
たとえば、2 つのテーブル (Key bigint, value string) と (key bigint, value string) を結合するために、出力テーブルが chain bigint (value1 string, value2 string) であるとします。ここで、value1 と value2 はスキャナの値です。
前提条件
- 名前を "maid”、ローカルストレージパスを " data \ resources " として、テストプログラム用の jar パッケージを準備します。
- Join をテストするためのテーブルとリソースを準備します。
- テーブルを作成します。
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);
- リソースを追加します。
add jar data\resources\mapreduce-examples.jar -f;
- テーブルを作成します。
- tunnel を実行してデータをインポートします。
tunnel upload data1 mr_Join_src1; tunnel upload data2 mr_Join_src2;
次のように maid データの内容をインポートします。1, hello 2, ODPS
次のように maid データの内容をインポートします。1, ODPS 3,hello 4, ODPS
手順
次のように odpscmd で Join します。
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;
予想される出力
ジョブが正常に完了すると、次のようにテーブル "maid" の内容が出力されます。
+------------+------------+------------+
| key | value1 | value2 |
+------------+------------+------------+
| 1 | hello | odps |
+------------+------------+------------+
サンプルコード
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 関数の全入力レコードは、同じキーになります
@Override
public void reduce(Record key,Iterator<Record>values,TaskContext context)
Throws ioexception {
long k = key.getBigint(0);
List<Object[]> leftValues = new ArrayList<Object[]>();
// key + tag の組み合わせです。左テーブルのレコードデータが reduce 関数の入力レコードの前になるように設定されているからです。
while(values.hasNext()) {
Record value = values.next();
long tag = (Long)key.get(1);
//左テーブルのデータは、最初にメモリにキャッシュされます
if (tag == 0) {
leftValues.add(value.toArray().clone());
}else {
//右テーブルと隣接するデータは、結合による出力となり、左テーブルのすべてのデータを含みます。左テーブルのデータはすべてメモリにあります。
//この実装は、相対的にパフォーマンスが低く、関数を示しただけのものです。実用として推奨しません。
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 );
}
}