Spark2.3.0+新特性

参考

http://spark.apache.org/docs/2.3.0/sql-programming-guide.html#broadcast-hint-for-sql-queries

 

说明

广播提示引导Spark在将每个指定表与另一个表或视图连接时广播它们。当Spark决定连接方法时，广播散列连接(i.e., BHJ)优先，即使统计数据高于配置spark.sql.autoBroadcastJoinThreshold。当连接的两边都被指定时，Spark广播统计数据较低的那一边。注意:Spark并不保证总是选择BHJ，因为并不是所有的情况(例如，完全外部连接)都支持BHJ。当选择broadcast嵌套循环连接时，我们仍然遵循提示。

SQL方式：

-- We accept BROADCAST, BROADCASTJOIN and MAPJOIN for broadcast hint
SELECT /*+ BROADCAST(r) */ * FROM records r JOIN src s ON r.key = s.key

Scala方式：

import org.apache.spark.sql.functions.broadcast
broadcast(spark.table("src")).join(spark.table("records"), "key").show()