“ 单表相关”这个实例要求从给出的数据中寻觅所关怀的数据，它是对原始数据所包括信息的发掘。下面进入这个实例。

1 .实例描绘

实例中给出 child-parent(孩子——爸爸妈妈)表，要求输出 grandchild-grandparent(孙子——爷奶)表。

样例输入如下所示。

file：

宗族树状联系谱：

样例输出如下所示。

file：

2 .规划思路

剖析这个实例，明显需求进行单表衔接，衔接的是左表的 parent 列和右表的 child 列，且左表和右表是同一个表。

衔接成果中除掉衔接的两列便是所需求的成果——“ grandchild–grandparent”表。要用MapReduce 处理这个实例， 首要应该考虑怎么完结表的自衔接; 其次便是衔接列的设置;最终是成果的收拾。

考虑到 MapReduce 的 shuffle 进程会将相同的 key 会衔接在一起，所以能够将 map 成果的 key 设置成待衔接的列，然后列中相同的值就自然会衔接在一起了。再与最开端的剖析联系起来：

要衔接的是左表的 parent 列和右表的 child 列，且左表和右表是同一个表，所以在 map阶段将读入数据分割成 child 和 parent 之后，会将 parent 设置成 key， child 设置成 value进行输出，并作为左表;再将同一对 child 和 parent 中的 child 设置成 key， parent 设置成value 进行输出，作为右表。

为了区别输出中的左右表，需求在输出的 value 中再加上左右表的信息，比如在 value 的 String 最开端处加上字符 1 表明左表，加上字符 2 表明右表。

这样在 map 的成果中就形成了左表和右表，然后在 shuffle 进程中完结衔接。 reduce 接收到衔接的成果，其间每个 key 的 value-list 就包括了“ grandchild–grandparent”联系。

取出每个key 的 value-list 进行解析，将左表中的 child 放入一个数组， 右表中的 parent 放入一个数组，然后对两个数组求笛卡尔积便是最终的成果了。

3 .程序代码

程序代码如下所示。

4 .代码成果

预备测试数据

经过 Eclipse 下面的“ DFS Locations”在“ /user/hadoop”目录下创立输入文件“ STjoin_in”文件夹( 补白：“ STjoin_out”不需求创立。)如图 4.4-1 所示，现已成功创立。

然后在本地树立一个 txt 文件，经过 Eclipse 上传到“ /user/hadoop/STjoin_in”文件夹中，一个 txt 文件的内容如“实例描绘”那个文件相同。如图 4.4-2 所示，成功上传之后。

从 SecureCRT 远处检查“ Master.Hadoop”的也能证明咱们上传的文件，显现其内容如图 4.4-3 所示：

运转详解

( 1) Map 处理：

map 函数输出成果如下所示。

( 2) Shuffle 处理

在 shuffle 进程中完结衔接。

首要由句子“ 0 != grandchildnum && 0 != grandparentnum”得知，只要在“ value-list”中没有左表或许右表，则不会做处理，能够依据这条规矩去除无效的 shuffle 衔接。

然后依据下面句子进一步对有用的 shuffle 衔接做处理。

针对一条数据进行剖析：

剖析成果： 左表用“ 字符 1”表明， 右表用“ 字符 2”表明，上面的

中的“ key”表明左表与右表的衔接键。而“ value-list”表明以“ key”衔接的左表与右表的

相关数据。

依据上面针对左表与右表不同的处理规矩，获得两个数组的数据如下所示：

然后依据下面句子进行处理。

处理成果如下面所示：

其他的有用 shuffle 衔接处理都是如此。

(3)检查运转成果

这时咱们右击 Eclipse 的“ DFS Locations”中“ /user/hadoop”文件夹进行改写，这时会发现多出一个“ STjoin_out”文件夹，且里边有 3 个文件，然后翻开双其“ part-r-00000”文件，会在 Eclipse 中心把内容显现出来。如图 4.4-4 所示。