使用多个输入，我们可以做到这一点。

MutlipleInputs.addInputPath(job, Mapper1.class, TextInputFormat.class,path1);
MutlipleInputs.addInputPath(job, Mapper2.class, TextInputFormat.class,path2);
job.setReducerClass(Reducer1.class);
//FileOutputFormat.setOutputPath(); set output path here

如果两个类都有一个公共键，那么它们可以在reducer中连接起来并执行必要的逻辑

是的，可以在mapreduce作业中联接多个数据集。我建议买一本书/电子书hadoop in action，它解决了从多个来源连接数据的问题。

我想我应该将不同的数据集预处理成一种通用格式（确保包含一个“datasource”id列，对于来自同一数据集的每一行都有一个唯一的值）。然后将文件移到同一个目录中，加载整个目录并将其视为一个数据源，在该数据源中根据数据集id比较行的属性。

当您有多个输入文件时，可以使用mapreduce api fileinputformat.addinputpaths（），其中可以采用逗号分隔的多个文件列表，如下所示：

FileInputFormat.addInputPaths("dir1/file1,dir2/file2,dir3/file3");

您还可以使用分布式缓存将多个输入传递到hadoop中的Map器中，更多信息将在这里介绍：将多个输入传递到hadoop中的Map器中
如果我没有误解的话，您正在尝试规范化记录中的结构化数据，这些数据来自多个输入，然后进行处理。基于此，我认为你真的需要看看这篇文章，它在过去帮助了我。它包括如何使用hadoop/mapreduce规范化数据，如下所示：
步骤1：从原始数据中提取列-值对。
步骤2：提取不在主id文件中的列-值对
步骤3：计算主文件中每列的最大id
步骤4：为不匹配的值计算新的id
步骤5：将新ID与现有主ID合并
步骤6：用id替换原始数据中的值