hadoop中的半連接

4.1.3 半連接（Semi-join） 假設一個場景，需要連接兩個很大的數據集，例如，用戶日誌和OLTP的用戶數據。任何一個數據集都不是足夠小到可以緩存在map作業的內存中。這樣看來，似乎就不能使用reduce端的連接了。儘管不是必須，可以思考以下問題：如果在數據集的連接操作中，一個數據集中有的記錄由於因爲無法連接到另一個數據集的記錄，將會被移除。這樣還需要將整個數據集放到內存中嗎？在這個例子中

>>阅读原文<<