MapReduce端Join操作（Map端join、Reduce端join）

map端join
指有两种表，只是一张较小，一张较大（一般大于1万条数据），大表的信息完全可以覆盖小表，往往将较小的表以键值对的形式添加到内存中，，然后只扫描大表：对于大表中的每一条记录key/value，在小表中查找是否有相同的key的记录，如果有，则连接后输出即可。
Map端join是数据到达map处理函数之前进行合并的，效率要远远高于Reduce端join，因为Reduce端join是把所有的数据都经过Shuffle，非常消耗资源。所以一般都用Map端join。
操作流程
1.以键值对形式存储小表信息；
2.在Mapper.setup(Context context)函数里读取该文件并存到Map中；
3.读大表信息，根据外键关联，大表的第二列就是小表的第一列，所以键相同，然后通过大表的第二列的键获取小表中的值，将得到的值将填充回大表中的第二列；
4.将最后得到的值转为字符串；
5.将结果输出（即没有Reduce任务）。
上代码：

public class MyMapJoin {
   
    public static class MyMapper extends Mapper<LongWritable, Text,Text, NullWritable>{
   
        private Map myType = new HashMap();//存储小表信息
            @Override
            protected void setup(Context context) throws IOException, InterruptedException {
   
              	//获取缓存中的小表，返回的是小表的URI
                String fileName = context.getCacheFiles()[0].getPath();
           	final BufferedReader read = new BufferedReader(new FileReader(fileName));//buffer读数据增加效率
            	String str = null;
            	while ((str=read.readLine())!=null){
   
                String [] sps = str.split(",");//通过逗号进行分割
                myType.put(sps[0],sps[1]);//分割后第一列放到键，第二列放到值
            	}	
            	read.close();
       	    }
       	    @Override
       	    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException 
           //读大表
           String [] goodInfos = value.toString().split(",");
           //根据主外键获取大表分类,外键就是第2列，根据外键获取小表第一列的值
           String type = myType.