spark left join 和 right join 的坑

前言

本文隶属于专栏《Spark异常问题汇总》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！

本专栏目录结构和参考文献请见 Spark异常问题汇总

问题描述

在开发 Spark SQL 的时候，遇到了一个问题

一个小表 3G 左右， 然后需要 left join 两个大表，一个150G 左右，一个 80G 左右。

1. 发现没办法 left join 的时候广播左表；
2. 尝试使用 right join ，广播右表，发现物理执行计划没生效。

问题定位

Spark SQL 在进行数据关联的时候，不能广播基表。

也就是left join 只能广播右表，right join 只能广播左表。

问题解决

先利用广播做 inner join，生成两个小表; 然后在用原始小表 left join 这两个新生成的小表，完成最终结果数据产出。

任务从接近2小时，降低到了1 min 左右。