透过Map-Reduce实现Join系列之一
通过Map-Reduce实现Join系列之一本系列的开篇在提到使用Map-Reduce实现Join之前，先来看看目前在数据库中应
通过Map-Reduce实现Join系列之一
本系列的开篇在提到使用Map-Reduce实现Join之前，先来看看目前在数据库中应用比较广泛和流行的集中Join算法。它们分别是嵌套循环Join(Nested Loops Join)、排序合并Join(Sort-Merge Join)和哈希Join(Hash Join)。
1.嵌套循环Join
for R中的每一条记录r do for S中的每一条记录s do if (r和s满足Join条件) 将r和s进行合并，然后输出 end forend for
这种Join算法实现起来非常简单，而且可以支持任何类型的Join条件。但是在当两个集合包含的记录数变大的情况下，性能下降非常厉害，因为对于一个具有n条记录的集合R和m条记录的集合S来说，时间复杂度是O(m*n)。
2.排序合并Join合并排序Join，应该使用比较普遍的算法，对于两个需要进行Join的集合P和Q，首先分别对这两个集合进行排序，每个集合在排序时使用的属性就是Join的时候需要用的属性。排序完成之后使用下面的算法对这两个集合进行合并：
p∈P;q∈Q;gq∈Qwhile q中还有记录 dowhile p.a gq.b do令gq指向集合Q中的下一条记录end whilewhile p.a == gq.b doq = gq //找到要Join的两条记录了while p.a == q.b do将记录p和q Join之后输出令q指向集合Q中的下一条记录end while令p指向集合P中的下一条记录end whilegq = q //记录查询可以进行Join的记录end while
假设数据集合P和Q中的记录情况如下：
集合P：
发现有可以Join的记录之后，根据算法，会将p和q所指向的两条记录进行Join，然后输出，之后q指向下一条记录，这个时候发现p和q的B列值不相等了，根据算法p会指向下一条记录，由于这个时候p和q指向的B列值相等，因此算法中的前两个while循环被跳过，直接进入第三个while循环，找个循环将集合P中B值为4的一条记录与集合Q中B列值为4的两条记录进行Join，循环结束之后，p和q的指向如下图所示：
算法继续执行，知道两个集合中B列值相等的所有记录都被Join之后，算法结束。
3.哈希Join哈希Join需要将被Join的两个数据集合中的一个全部载入内存的哈希表中。因此，这种Join方式适用于被Join的两个数据集合中，有一个集合数据量比较小，可以全部放入内存的场景。这种Join方式的伪代码如下，其中有两个数据集合，分别是P和Q，而集合P数据量比较小，可以全部载入内存中的哈希表中：
for 集合P中的记录p do将p载入内存中的哈希表H中end forfor 集合Q中的记录q doif H中有记录与q在Join条件匹配将p和q做Join操作，然后将结果输出end if end for
这种Join算法同样只能用于等值Join操作。相比于排序合并Join，这种方式速度要更快，但是对内存的消耗比较大。
