mapreduce有三种主要的连接类型（还有其他几种）。
reduce side join—对于这两个数据集，都输出“外键”作为Map器的输出键。您可以使用类似于多个输入的方法一次加载两个数据集。在reducer中，来自两个数据集的数据通过外键组合在一起，这允许您在那里执行连接逻辑（比如笛卡尔积）。这是通用的，适用于几乎所有情况。
复制联接—将较小的数据集推出到distributedcache中。在每一件事情中，您都要将较小的数据集从那里加载到内存中。当记录通过Map器时，将数据与内存中的数据集连接起来。这就是你在问题中的建议。只有当较小的数据集可以存储在内存中时，才应该使用它。
复合连接-这个有点小，因为它需要设置。如果两个数据集按外键排序和分区，则可以使用compositeinputformat进行复合联接。它基本上做了一个类似于合并的操作，非常有效。
我的书mapreduce design patterns的无耻插件：关于连接有一整章（第5章）。
请在此处查看本书的代码示例：https://github.com/adamjshook/mapreducepatterns/tree/master/mrdp/src/main/java/mrdp/ch5