map端做join

优势：
1.mapjoin的并行度高
2.可以有效的避免数据倾斜

流程：
至少一个表读取一行数据，另一个表读取所有数据
使用setup先把表数据读取出来，读取到map集合中，key：关联字段 value：剩下字段

伪代码
public class MapJoin{
	static class MyMapper extends Mapper{
		@override
		setup
		//获取本地缓存文件
		//读取一个表中的所有数据
		//使用流存放到创建的map中

		@override
		map
		String key = value.toString.spilt("::")[1];
		//先读取另一个表，每读取一行就和map中的	数据进行关联
		if(map.contains(key))
		//进行关联
		map.get(key)+split[0]+...
		//进行写出


	}

driver
//将制定文件加载到每一个运行计算任务的节点的缓存中
job.addCacheFile()

}

缺点：
1.需要一个表所有数据加载到缓存中，不能太大
2.仅仅适用于大小表，小小表关联

大大表的关联：
1.reducejoin可以解决关联问题，但不完美
2.将其中一个大表进行切分，成多个小表再进行关联