spark中的连接算子join

package com.zyc.spark

import org.apache.spark.rdd.RDD
import org.apache.spark.{HashPartitioner, SparkConf, SparkContext}

/**
* Created with IntelliJ IDEA.
* Author: zyc2913@163.com
* Date: 2020/9/28 11:51
* Version: 1.0
* Description: 与连接相关的几种算子
*/
object StudyJoin {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setMaster("local[2]").setAppName("demo5")
    val sc = new SparkContext(conf)

    /**
     * 18.  join   内连接
     * 18.1.声明 def join[W](other: RDD[(K, W)]): RDD[(K, (V, W))] =
     * 18.2.参数   另外一个RDD K和原RDD类型相同  v和原RDD类型可以不同
     * 18.3.返回值   RDD[(K, (V, W))]
     *  二元组，二元组的K是原RDD的K类型，二元组的V是一个二元组，Key是原RDD的V类型，value是参数RDD的V类型
     * 18.4.作用  将两个K-V的RDD按照Key进行内连接
     */
    val rdd:RDD[(Int,String)] = sc.makeRDD(Array(1 -> "jordan", 2 -> "james", 3 -> "ray"))  //(id,name)
    val rdd1:RDD[(Int,Int)] = sc.makeRDD(Array(1 -> 8000, 3 -> 5000))  //(id,salary)
    val rdd2:RDD[(Int,(String,Int))] = rdd.join(rdd1)
    //rdd2.foreach(println) //控制台打印：(1,(jordan,8000))  (3,(ray,5000))

    /**
     * 19.  leftOuterJoin 左外连接，以左表为准，左表全部列出，右表中为空时填None
     * 19.1.声明  def leftOuterJoin[W](other: R