在mapreduce中连接具有多个值的两个数据集

k5hmc34c  于 2021-05-30  发布在  Hadoop
关注(0)|答案(2)|浏览(342)

我一直试图连接两个数据集的字段,但都没有成功。如果有人能帮我做到这一点,我将不胜感激。我一直在尝试的文件和代码如下
电影元数据

975900  /m/03vyhn   Ghosts of Mars  2001-08-24  14010832    98.0    {"/m/02h40lc": "English Language"}  {"/m/09c7w0": "United States of America"}   {"/m/01jfsb": "Thriller", "/m/06n90": "Science Fiction", "/m/03npn": "Horror", "/m/03k9fj": "Adventure", "/m/0fdjb": "Supernatural", "/m/02kdv5l": "Action", "/m/09zvmj": "Space western"}
3196793 /m/08yl5d   Getting Away with Murder: The JonBenét Ramsey Mystery   2000-02-16      95.0    {"/m/02h40lc": "English Language"}  {"/m/09c7w0": "United States of America"}   {"/m/02n4kr": "Mystery", "/m/03bxz7": "Biographical film", "/m/07s9rl0": "Drama", "/m/0hj3n01": "Crime Drama"}
28463795    /m/0crgdbh  Brun bitter 1988        83.0    {"/m/05f_3": "Norwegian Language"}  {"/m/05b4w": "Norway"}  {"/m/0lsxr": "Crime Fiction", "/m/07s9rl0": "Drama"}
9363483 /m/0285_cd  White Of The Eye    1987        110.0   {"/m/02h40lc": "English Language"}  {"/m/07ssc": "United Kingdom"}  {"/m/01jfsb": "Thriller", "/m/0glj9q": "Erotic thriller", "/m/09blyk": "Psychological thriller"}

字符元数据

975900  /m/03vyhn   2001-08-24  Akooshay    1958-08-26  F   1.62        Wanda De Jesus  42  /m/0bgchxw  /m/0bgcj3x  /m/03wcfv7
975900  /m/03vyhn   2001-08-24  Lieutenant Melanie Ballard  1974-08-15  F   1.78    /m/044038p  Natasha Henstridge  27  /m/0jys3m   /m/0bgchn4  /m/0346l4
975900  /m/03vyhn   2001-08-24  Desolation Williams 1969-06-15  M   1.727   /m/0x67 Ice Cube    32  /m/0jys3g   /m/0bgchn_  /m/01vw26l
975900  /m/03vyhn   2001-08-24  Sgt Jericho Butler  1967-09-12  M   1.75        Jason Statham   33  /m/02vchl6  /m/0bgchnq  /m/034hyc

在第一个文件中,我感兴趣的第一个字段是电影id和第三个字段电影名称。而在第二个文件中,第一个字段是movie id,第九个字段是actor name(s)。每个movieid可以有多个演员的名字,如上面的文件2所示。我试图实现的输出格式如下

movieId     movieName, actorName1, actorName2, actorName3....etc.

我已经成功地从两个Map器类中提取了字段。在reducer类中,我的代码似乎没有达到上面我想要作为输出的格式。我得到的输出是

movieId movieName, actorName1

我不知道其他演员的名字。请看一下我的代码并相应地更正。

public class Join {
    public static void main(String[] args) throws Exception {
        if (args.length != 3) {
            System.err.println("Usage: Join <input path> <output path>");
            System.exit(-1);
        }

    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf);
    job.setJobName("Join");

    job.setJarByClass(Join.class);
    job.setReducerClass(JoinReduce.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(Text.class);

    MultipleInputs.addInputPath(job, new Path(args[0]),
             TextInputFormat.class, JoinMap1.class);
             MultipleInputs.addInputPath(job, new Path(args[1]),
             TextInputFormat.class, JoinMap2.class);
    FileOutputFormat.setOutputPath(job, new Path(args[2]));

    System.exit(job.waitForCompletion(true) ? 0 : 1);
}

public static class JoinMap1 extends
        Mapper<LongWritable, Text, Text, Text> {
    private String movieId, movieName, fileTag = "A~ ";

    @Override
    public void map(LongWritable key, Text value,Context context) 
            throws IOException, InterruptedException {
        String values[] = value.toString().split("\t");
        movieId = values[0].trim();
        movieName = values[2].trim().replaceAll("\t", "movie Name");
        context.write(new Text(movieId), new Text (fileTag + movieName));
    }

}

public static class JoinMap2 extends Mapper<LongWritable, Text, Text, Text>{
    private String movieId, actorName, fileTag = "B~ ";
    @Override
    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        String values[] = line.toString().split("\t");
        movieId = values[0].trim();
        actorName = values[8].trim().replaceAll("\t", "actor Name");
        context.write(new Text (movieId), new Text (fileTag + actorName));
    }
}

public static class JoinReduce extends
        Reducer<Text, Text, Text, Text> {
     private String movieName, actorName;
    @Override
    public void reduce(Text key, Iterable<Text> values, Context context) 
            throws IOException, InterruptedException 
    { 
        for (Text value : values){
            String currValue = value.toString();
            String splitVals[] = currValue.split("~");
            if(splitVals[0].equals("A")){
                movieName = splitVals[1] != null ? splitVals[1].trim() : "movieName";
            } else if (splitVals[0].equals("B")){
                actorName= splitVals[1] != null ? splitVals[1].trim() : "actorName";
            }  
        }
        context.write(key, new Text (movieName + ", " + actorName));
}
}
}

请建议我可以做什么,这样我就可以实现上述输出。任何帮助都将不胜感激。砖头和 bat 是受欢迎的。

4zcjmb1e

4zcjmb1e1#

嗨~我刚看了你的密码。我和格温有同样的建议。如果你想你的结果记录与“电影id”+“电影名称”+“演员”。必须同时将所有输出值放入context.write()中。所以格温建议的是你必须做的。
我认为作业失败不是mapreduce问题,而是hdfs问题。 checkout “hadoop:文件…只能复制到0个节点,而不是1”。
我很好奇的是joinmap2部分。

String values[] = line.toString().split("\t");
movieId = values[0].trim();
actorName = values[8].trim().replaceAll("\t", "actor Name");

您用“\t”分隔行,因此这意味着在值[]的任何单元格中都不能有“\t”。
所以你真的想在第三条线上做吗?将“\t”替换为“actor name”?值[8]中没有“\t”。
要完成mapreduce的工作,至少需要做三件事。
修复你的hdfs。
重写joinmap2以确保它输出您想要的答案。演员们。
重写reducer,正如gwen所说。

vc9ivgsu

vc9ivgsu2#

即使您的代码遍历了所有的值,但它似乎并没有累积参与者名称,而是一直用新的参与者名称覆盖当前的参与者名称。
而不是这样:

actorName= splitVals[1] != null ? splitVals[1].trim() : "actorName";

试试这个:

actorName += splitVals[1] != null ? splitVals[1].trim() : "actorName" + ",";

相关问题