下面是一个map-reduce方法来解决这个问题（在高级伪代码中）：

map(source):
   for each line x|y|z:
     emitIntermediate(x,(1,y|z))
map(target):
   for each line x|y|z:
     emitIntermediate(x,(2,y|z))

//make sure each list is sorted/ sort it yourself 1 is before 2 if both exists.
reduce(x, list):
   if list.size() == 1:
      (idx,y|z) <- list.first() //this is the configuration of the element in the list
      if idx == 1:
            emit(x|y|z|NULL|NULL|NULL|unmatched)
      else:
            emit(NULL|NULL|NULL|x|y|z|unmatched)
   else:
       (1,y1|z1) <- list.first()
       (2,y2|z2) <- list.last()
       m = (y1|z1 matches y2|z2 ? "matched" : "unmatched")
       emit(x|y1|z2|x|y2|z2|m)

其思想是在Map阶段将reduce部分中的数据拆分为不同的id，并让reducer检查region和sales是否匹配。
在大型集群上实现它（并以分布式文件格式）可以显著提高性能，因为工作是通过map-reduce框架跨集群分布的。
例如，可以使用hadoop作为实现框架。