常见的离线计算的Join模式分为Reduce Join 和Map Join。MapJoin 处理的表 ，比如一个表比较大（L），一个表比较小（R）。
例如根据用户id，对下图的两个表进行合并操作。当这两个表要按照外键key，进行Join操作的时候，系统该如何做呢？
该方法有一个前提条件，就是R 必须能够Load进内存中。将R放入到（以外键作为key）的哈希表中。然后遍历L，将L中的每个元素都插入到哈希表中，如果哈希表中没有，则不插入，有的话就插入到哈希表中。这样就减少了shuffle网络传输过程和Reduce中的排序过程。
在设计Hive 或者其他的基于Mapreduce模型的SQL的时候，Join方式的不同将大大的影响系统的性能。
阅读(5902) | 评论(2) | 转发(0) |
