一、Reduce Join

1.概述

• Map端的工作：打标签以区别不同来源的记录，然后使用连接字段作为key，其余部分和新加的标签作为value，最后输出到Reduce端
• Reduce端的工作：来自Map端的数据具有相同的连接字段key，根据标签将来自不同文件的记录分开为两份或多份，在将这多份记录进行合并

  2.具体实现

1. 按照读取数据的特点选择InputFormat

2. 在setUp()方法内获取文件名

   @Override
    protected void setup(Context context) throws IOException, InterruptedException {
        FileSplit fileSplit = (FileSplit) context.getInputSplit();
        fileName = fileSplit.getPath().getName();
    }

3. 将获取到的数据中除连接字段外的字段封装进Bean对象，并添加标记位（文件名）

4. 将连接字段作为key，Bean对象作为value输出
5. reduce阶段将来自不同文件的Bean对象进行拆分
6. 合并数据并输出

   二、Map Join

   1.概述

• 适用于大表join小表的操作
• 无Reduce阶段

  2.具体实现

1. 加载缓存数据

   job.addCacheFile(new URI("file://path/path/file.txt"))

2. 设置reduce数量为0

3. setUp方法操作缓存
   1. 获取缓存文件
   2. 循环读缓存的每一行
   3. 分割
   4. 缓存数据到集合（通常用hashmap，连接字段做key）
4. map方法合并
   1. 合并（根据连接字段查找对象）
   2. 输出