flink如何做join
概览
在单节点小数据量的场景下,最简单的join方式是nested-loop join,该join会产生笛卡尔积,复杂度为o(n2),显然不适合大数据量join。
在分布式系统上的join通常被分为两步:
- 1、各节点上的数据重分区,具有相同key的数据放到同一节点
- 2、单个节点进行的stand alone join
用flink术语来说,第一阶段称为ship stategy(分发)
,第二阶段称为local strategy(本地处理)
。 在下文中,我将介绍flink的两种策略,下文称做join的两个数据集为R和S。
flink join的两个阶段
ship strategy(分发)
flink提供了两种分发策略:
- the Repartition-Repartition strategy (RR,join左右都要重分区)
- the Broadcast-Forward strategy (BF,把其中一个表广播到另一个表所在节点上)