千鋒教育-做有情懷、有良心、有品質的職業教育機構
reduce端join map端讀取兩個表，為兩個表的數據分別打上標簽tag，發送數據 reduce端根據分區分組規則拿到的數據時key相同的數據，再根據標簽tag進行相同key的不同value的join操作，完成實際的連接。
map端join將小表復制多份存放在每個map task的內存中，然后只掃描大表，對大表中key在小表中存在時，進行一個join拼接操作。
將小表復制的對象方法為DistributedCache.addCacheFile，要使用時再使用相應的提取文件目錄的方法，并用標準IO獲取到數據。
semi join先將參與join的表1的key復制到一個新的表3中，然后把新表復制多份到各個map task中，最后將不在新表3的表2的數據過濾掉，再進行reduce。
上一篇
Flink兩階段提交(2PC)下一篇
Flink反壓機制？
hive外部表是使用external關鍵字并指定一個hdfs目錄創建的表。hive內部表在創建時會在對應hive目錄下創建相應的文件夾，外部表則以指定文件夾為...詳情>>
2022-09-02 17:21:00
Checkpoint是為runtime準備的，Savepoint 是為用戶準備的。Checkpoint 機制的目標在于保證Flink作業意外崩潰重啟不影響exactly once 準確性，通...詳情>>
2022-09-02 16:59:22
State：指一個具體的Task/Operator的狀態。State可以被記錄，在失敗的情況下數據還可以恢復，Flink中有兩種基本類型的State： Keyed State， Op...詳情>>
2022-09-02 16:59:19
Flink 內部是基于producer-consumer模型來進行消息傳遞的，Flink的反壓設計也是基于這個模型。Flink 使用了高效有界的分布式阻塞隊列，就像 Jav...詳情>>
2022-09-02 16:59:16
雖說水位線(Watermark)表明早于它的事件不應該再出現，但是接收到水位線以前的的消息是不可避免的，這就是所謂的遲到事件。實際上遲到事件是亂...詳情>>
2022-09-02 16:59:00
京公網安備 11010802030320號