题意：

根据儿子、父母关系，输出孙子、爷奶关系：

输入：                                      输出：

程序的执行浏览如同 wordcount 一样，输入输出几乎没有什么改动，该程序的输入输出结果流程如下图（主要是在第二个箭头中如何按照爷孙关系输出）：

重点是如何在reducer端输出时按照爷孙关系输出，这里在job驱动类中定义一个静态变量relationship（相当于全局变量），其定义如下：

public static Map<String, ArrayList<String>> relationship = new HashMap<>();

relationship是一个Map集合，实现key、value的存储：

• 字符串类型的Key存储输入数据的“子”
• 列表类型的Value存储输入数据的“父”

当map端运行结束，将得到两个结果：

1. mapper输出到reducer的结果：

<Jack  <Jesse, Alice>> 
<Jone  <Lucy, Jack>> 
<Lucy  <Mary, Ben>>
<Mark  <Alma, Terry>>
<Philip  <Terry, Alma>>
<Terry   <Alice, Jesse>>
<Tom  <Jack, Lucy>>

2. 最终relationship存储的数据如下：

key   ，  value
Jone	Lucy, Jack]
Jack	[Alice, Jesse]
Philip	[Terry, Alma]
Lucy	[Mary, Ben]
Terry	[Alice, Jesse]
Mark	[Terry, Alma]
Tom	[Lucy, Jack]

因此，在reducer端只需要根据上面1、2点的结果进行遍历，按照关系输出，即可得到最终的结果。

代码：

1. 其中STLinkJob为主函数（驱动类），包含配置信息及静态变量：

public static Map<String, ArrayList<String>> relationship = new HashMap<>();

2. Mapper端代码：

StringTokenizer stringTokenizer = new StringTokenizer(value.toString());
String sun = stringTokenizer.nextToken();
String par = stringTokenizer.nextToken();
// 利用集合将父子关系存储记录
ArrayList<String> arrayList = new ArrayList<>();
if (!STLinkJob.relationship.containsKey(sun)) { // 第一次记录
    arrayList.add(par);
    STLinkJob.relationship.put(sun, arrayList);
} else { // 第二次记录
    arrayList = STLinkJob.relationship.get(sun);
    arrayList.add(par);
    STLinkJob.relationship.put(sun, arrayList);
}
context.write(new Text(sun), new Text(par));

3. Reducer端代码：

ArrayList<String> grands = new ArrayList<>();
// 通过遍历父母，查询map关系来确定爷奶
for (Text parent : values) { // 父母
    String par = parent.toString();
    if (STLinkJob.relationship.containsKey(par)) {
        grands = STLinkJob.relationship.get(par);
        for (String grand : grands) { // 爷奶
            context.write(key, new Text(grand));
        }
    }
}

完整代码，GitHub：

https://github.com/GYT0313/MapReducePractice

完！