SparkSql中join的实现（ inner join，left outer join，right outer join，full outer join）

Join是SQL语句中的常用操作，良好的表结构能够将数据分散在不同的表中，使其符合某种范式，减少表冗余、更新容错等。而建立表和表之间关系的最佳方式就是Join操作。

SparkSQL作为大数据领域的SQL实现，自然也对Join操作做了不少优化，今天主要看一下在SparkSQL中的Join，inner join，left outer join，right outer join，full outer join。

1.innerjoin：

代码实现：

1. // 启动spark-shell，定义两个rdd，做join操作

2. [hadoop@hadoop01 ~]$ spark-shell --master local[2]

3. scala> val a = sc.parallelize(Array(("A","a1"),("B","b1"),("C","c1"),("D","d1"),("E","e1"),("F","f1")))

4. a: org.apache.spark.rdd.RDD[(String, String)] = ParallelCollectionRDD[0] at parallelize at <console>:24

5.  

6. scala> val b