第7章-Hadoop应用与实践剖析.pptVIP

* 实验4 单表关联 设计思路： 把左表的parent列和右表的child列连接起来（这里的左表和右表是同一张表）。在连接得到的新表中把连接的两列（左表的parent列和右表的child列）删除就可以得到需要的结果，即grandchild-grandparent关系。 由于在MapReduce的工作过程中会将相同key值的value合并，因此，如果把Map阶段输出结果中的key设置成需要连接的列，那么列相等的value就会合并连接在一起。 * 实验5 多表关联 问题描述：和单表关联类似，也是对原始数据进行挖掘，找出用户所关心的数据，不同的是原始数据存放在多张表中。 例如：输入两个文件,一个文件表示工厂信息,文件中每行一个数据，内容包括工厂名称和工厂所在城市的编号；另一个文件表示地址信息，每行一个数据，内容包括城市编号和城市名称。 要求从输入数据中找出工厂和其所在城市名称之间的对应关系，输出文件中每一行数据包括两列，第一列是工厂名称，第二列是工厂所在城市的名称。 * 实验5 多表关联 设计思路： Map阶段对读入的每行数据进行分割，如果这行数据属于工厂信息表，那么把工厂所在城市的编号作为key，把工厂名称和标志参数1作为value，形成左表并输出；如果这行数据属于地址信息表，那么把工厂所在城市的编号作为key，把城市名称和标志参数2作为value，形成右表并输出。 在