RDD关联函数join与leftOuterJoin与rightOuterJoin与fullOuterJoin详解

• 关联函数

关联函数： 主要是针对KV类型的数据， 根据key进行关联操作

相关的算子：
    join： 实现两个RDD的内连接 （取公共部分）
    leftOuterJoin： 实现两个RDD的左连接（左边RDD的数据都要， 右边进行匹配， 匹配不上用Null）
    rightOuterJoin：实现两个RDD的右连接（右边RDD的数据都要， 左边进行匹配， 匹配不上用Null）
    fullOuterJoin： 实现两个RDD的满外连接（左右两边的RDD数据都要， 匹配不上用null）


准备数据集：
rdd1 = sc.parallelize([('c01','张三'),('c02','李四'),('c01','王五'),('c01','赵六'),('c02','田七'),('c03','周八')])
rdd2 = sc.parallelize([('c01','大数据1期'),('c02','大数据2期'),('c04','大数据4期')])

演示： Join操作：
rdd1.join(rdd2).collect()
结果：
[
    ('c01', ('张三', '大数据1期')), 
    ('c01', ('王五', '大数据1期')), 
    ('c01', ('赵六', '大数据1期')), 
    ('c02', ('李四', '大数据2期')), 
    ('c02', ('田七', '大数据2期'))
]

演示： 左关联 和 右关联
rdd1.leftOuterJoin(rdd2).collect()
结果：
[
    ('c01', ('张三', '大数据1期')), 
    ('c01', ('王五', '大数据1期')), 
    ('c01', ('赵六', '大数据1期')),
    ('c02', ('李四', '大数据2期')), 
    ('c02', ('田七', '大数据2期')), 
    ('c03', ('周八', None))
]

rdd1.rightOuterJoin(rdd2).collect() 
结果
[
    ('c04', (None, '大数据4期')), 
    ('c01', ('张三', '大数据1期')), 
    ('c01', ('王五', '大数据1期')), 
    ('c01', ('赵六', '大数据1期')), 
    ('c02', ('李四', '大数据2期')), 
    ('c02', ('田七', '大数据2期'))
]

演示： 全外关联
rdd1.fullOuterJoin(rdd2).collect() 
结果：
[
    ('c04', (None, '大数据4期')), 
    ('c01', ('张三', '大数据1期')), 
    ('c01', ('王五', '大数据1期')), 
    ('c01', ('赵六', '大数据1期')), 
    ('c02', ('李四', '大数据2期')), 
    ('c02', ('田七', '大数据2期')),
    ('c03', ('周八', None))
]