在pig中进行常规连接时,连接中的最后一个表不会被带入内存而是通过流式传输,因此如果A的每个键的基数较小且B基数较大,那么从性能角度来看,这样做join A, B要好得多join A by B(避免泄漏和OOM)
火花中有类似的概念吗？我没有看到任何这样的建议,并想知道它怎么可能？实现在我看来几乎和猪一样:https://github.com/apache/spark/blob/master/core/src/main/scala/org/apache/spark/rdd/CoGroupedRDD.scala
或者我错过了什么？