MaxCompute:SecondarySort example

Pré-requisitos

Antes de iniciar, certifique-se de ter:

• Concluído a configuração do ambiente descrita em Primeiros passos

Como funciona

O mapper lê cada registro de entrada com dois números inteiros e emite um par composto de chave-valor ((key, value), value). A chave composta carrega os dois inteiros para que o framework possa ordená-los.

Três configurações de job controlam o que acontece em seguida:

O reducer recebe um grupo por chave primária e itera sobre seus valores, já ordenados. Ele grava cada par (key, value) na tabela de saída.

Preparar tabelas e recursos

1. Crie as tabelas de entrada e saída.

CREATE TABLE ss_in(key BIGINT, value BIGINT);
CREATE TABLE ss_out(key BIGINT, value BIGINT);

2. Adicione o pacote JAR como um recurso do MaxCompute.

add jar data\resources\mapreduce-examples.jar -f;

Omita a opção -f ao adicionar o pacote JAR pela primeira vez.

3. Carregue os dados de teste para ss_in por meio do Tunnel.

tunnel upload data.txt ss_in;

O arquivo data.txt está no diretório bin do cliente MaxCompute e contém:

1,2
2,1
1,1
2,2

Executar o SecondarySort

Execute o seguinte comando no cliente MaxCompute:

jar -resources mapreduce-examples.jar -classpath data\resources\mapreduce-examples.jar com.aliyun.odps.mapred.open.example.SecondarySort ss_in ss_out;

Saída esperada

Após a conclusão do job, consulte ss_out. Os registros são ordenados por key em ordem crescente e, em seguida, por value em ordem crescente dentro de cada grupo de chaves:

+------------+------------+
| key        | value      |
+------------+------------+
| 1          | 1          |
| 1          | 2          |
| 2          | 1          |
| 2          | 2          |
+------------+------------+

Passo a passo do fluxo de dados

A seguir, confira a transformação da entrada em cada etapa.

Registros de entrada (ss_in):

(1, 2)
(2, 1)
(1, 1)
(2, 2)

Saída do map — chave composta (i1, i2) emparelhada com o valor i2:

key=(1,1), value=1
key=(1,2), value=2
key=(2,1), value=1
key=(2,2), value=2

O framework ordena toda a saída do map por (i1, i2) e direciona os registros por i1 para o reducer apropriado.

Entrada do reduce — dois grupos, um para cada valor exclusivo de i1:

Group i1=1: values [1, 2]
Group i1=2: values [1, 2]

Saída (ss_out):

(1, 1), (1, 2), (2, 1), (2, 2)

Código de exemplo

Para configurar as dependências do Project Object Model (POM), consulte Precauções.

package com.aliyun.odps.mapred.open.example;
import java.io.IOException;
import java.util.Iterator;
import com.aliyun.odps.data.Record;
import com.aliyun.odps.mapred.JobClient;
import com.aliyun.odps.mapred.MapperBase;
import com.aliyun.odps.mapred.ReducerBase;
import com.aliyun.odps.mapred.TaskContext;
import com.aliyun.odps.mapred.conf.JobConf;
import com.aliyun.odps.mapred.utils.SchemaUtils;
import com.aliyun.odps.mapred.utils.InputUtils;
import com.aliyun.odps.mapred.utils.OutputUtils;
import com.aliyun.odps.data.TableInfo;
/**
 *
 * This is an example ODPS Map/Reduce application. It reads the input table that
 * must contain two integers per record. The output is sorted by the first and
 * second number and grouped on the first number.
 *
 **/
public class SecondarySort {
    /**
       * Read two integers from each line and generate a key, value pair as ((left,
       * right), right).
       **/
    public static class MapClass extends MapperBase {
        private Record key;
        private Record value;
        @Override
            public void setup(TaskContext context) throws IOException {
            key = context.createMapOutputKeyRecord();
            value = context.createMapOutputValueRecord();
        }
        @Override
            public void map(long recordNum, Record record, TaskContext context)
            throws IOException {
            long left = 0;
            long right = 0;
            if (record.getColumnCount() > 0) {
                left = (Long) record.get(0);
                if (record.getColumnCount() > 1) {
                    right = (Long) record.get(1);
                }
                key.set(new Object[] { (Long) left, (Long) right });
                value.set(new Object[] { (Long) right });
                context.write(key, value);
            }
        }
    }
    /**
       * A reducer class that just emits the sum of the input values.
       **/
    public static class ReduceClass extends ReducerBase {
        private Record result = null;
        @Override
            public void setup(TaskContext context) throws IOException {
            result = context.createOutputRecord();
        }
        @Override
            public void reduce(Record key, Iterator<Record> values, TaskContext context)
            throws IOException {
            result.set(0, key.get(0));
            while (values.hasNext()) {
                Record value = values.next();
                result.set(1, value.get(0));
                context.write(result);
            }
        }
    }
    public static void main(String[] args) throws Exception {
        if (args.length != 2) {
            System.err.println("Usage: secondarysrot <in> <out>");
            System.exit(2);
        }
        JobConf job = new JobConf();
        job.setMapperClass(MapClass.class);
        job.setReducerClass(ReduceClass.class);
        /** Set the composite key columns that determine sort order. */
        // Sort by i1 first, then by i2 within each i1 group
        job.setOutputKeySortColumns(new String[] { "i1", "i2" });
        // Route records with the same i1 value to the same reducer
        job.setPartitionColumns(new String[] { "i1" });
        // Call reduce() once per unique i1 value
        job.setOutputGroupingColumns(new String[] { "i1" });
        // The map output key is a pair (i1, i2); the value carries i2
        job.setMapOutputKeySchema(SchemaUtils.fromString("i1:bigint,i2:bigint"));
        job.setMapOutputValueSchema(SchemaUtils.fromString("i2x:bigint"));
        InputUtils.addTable(TableInfo.builder().tableName(args[0]).build(), job);
        OutputUtils.addTable(TableInfo.builder().tableName(args[1]).build(), job);
        JobClient.runJob(job);
        System.exit(0);
    }
}