我需要查询table1查找所有订单并创建日期（键是订单号和日期））。
在表2中（关键是订单号和日期）检查订单是否存在日期。
为此，我正在扫描表1，并检查每个记录是否存在于表2中。更好的方法是执行此操作
答案 0 :(得分：0)
在这两种表的密钥相同的情况下，有一个表存储表1和表2中的数据是有意义的。这样，您可以对数据进行单次扫描，如果两个标准都存在数据，请立即知道。
更重要的是，如果您想在MapReduce中使用此数据，您只需扫描该单个表。如果您只想获取相关行，则可以在“扫描”上定义过滤器。例如，在表2中根本不填充行的情况下，您只需使用ColumnPrefixFilter
但是，如果您确实需要将这些数据分别保存在2个表中，则可以预先拆分两个表的相同区域边界的表 - 这在您执行目标查询时会很有帮助 - 当表2中存在行时，加载表1中的所有行。本质上，这将是一个映射端连接。您可以在MapReduce作业中定义多个输入，并且由于区域边界相同，因此拆分将使每个映射器具有来自两个表的相应行。您可能需要为此实现自己的MultipleInput格式（最近在0.96中引入的MultiTableInputFormat类似乎没有执行该地图侧连接）