使用mapreduce实现多表连接join操作

（1） 准备小的数据测试集

 输入是两个文件，一个代表工厂表，包含工厂名列和地址编号列；另一个代表地址表，包含地址名列和地址编号列。要求从输入数据中找出工厂名和地址名的对应关系，输出"地址编号——地址名——工厂名"表。

工厂表

Beijing Red Star,1

Shenzhen Thunder,3

Guangzhou Honda,2

Beijing Rising,1

Guangzhou Development Bank,2

Tencent,3

Back of Beijing,1

地址表

1,Beijing

2,Guangzhou

3,Shenzhen

4,Xian

结果输出如下：

1 Beijing,Beijing Red Star

1 Beijing,Beijing Rising

1 Beijing,Back of Beijing

2 Guangzhou,Guangzhou Honda

2 Guangzhou,Guangzhou Development Bank

3 Shenzhen,Shenzhen Thunder

3 Shenzhen,Tencent

（2）设计思路

   多表关联和单表关联相似，都类似于数据库中的自然连接。相比单表关联，多表关联的左右表和连接列更加清楚。所以可以采用和单表关联的相同的处理方式，map识别出输入的行属于哪个表之后，对其进行分割，将连接的列值保存在key中，另一列和左右表标识保存在value中，然后输出。reduce拿到连接结果之后，解析value内容，根据标志将左右表内容分开存放，然后求笛卡尔积，最后直接输出。

目标:用mapreduce框架实现两个表的join连接

（3）代码实现

import java.util.*;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class TableJoin {

public static int time = 0;

/*
* 在map中先区分输入行属于左表还是右表，然后对两列值进行分割，
* 保存连接列在key值，剩余列和左右表标志在value中，最后输出
*/
public static class Map extends Mapper