1）Map-side Join
Map-side Join使用场景是一个大表和一个小表的连接操作，其中，“小表”是指文件足够小，可以加载到内存中。该算法可以将join算子执行在Map端，无需经历shuffle和reduce等阶段，因此效率非常高。
2）Reduce-side Join
当两个文件/目录中的数据非常大，难以将某一个存放到内存中时，Reduce-side Join是一种解决思路。该算法需要通过Map和Reduce两个阶段完成，在Map阶段，将key相同的记录划分给同一个Reduce Task（需标记每条记录的来源，便于在Reduce阶段合并），在Reduce阶段，对key相同的进行合并。
df广播使用方法，网友blog
http://www.jianshu.com/p/2c7689294a73
Screen Shot 2017-06-17 at 10.27.51 AM.png
rdd 广播
val arr = rdd.collect
val broadcatRes = sc.broadcast(arr) //数据字典广播
在用的时候
rdd.map(t =>
val index = binarySearch(broadcastRes.value,t)
val info = broadcastRes.value(index)
info
)
网友评论