MapReduce Join
Un join en MapReduce implementa uniones en un marco de computación distribuida: Map etiqueta el origen, Shuffle agrupa por clave de join y Reduce fusiona.
Propósito
Comprender el modelo de ejecución de joins distribuidos y analizar los costes de shuffle de las uniones de big data.
Mecanismo
Map: cada fila emite (clave_join, (etiqueta, fila)). Shuffle: las filas con la misma clave se reúnen en un Reducer. Reduce: agrupar por etiqueta y hacer join por bucles anidados o hash. Los joins en el lado Reduce son generales pero con mucho shuffle; los del lado Map requieren difundir la tabla pequeña.
Casos de uso
- Joins de big data
- Optimización de MapReduce
- Análisis del coste de shuffle