hadoop 实现 Join reduce side join + BloomFilter

hadoop 实现 Join reduce side join + BloomFilter

在某些情况下，SemiJoin 抽取出来的小表的 key 集合在内存中仍然存放不下，这时候可以使
用 BloomFiler 以节省空间。
BloomFilter 最常见的作用是：判断某个元素是否在一个集合里面。它最重要的两个方法是：
add() 和 contains()。最大的特点是不会存在 false negative，即：如果 contains()返回 false，
则该元素一定不在集合中，但会存在一定的 true negative，即：如果 contains()返回 true，则
该元素可能在集合中。
因而可将小表中的 key 保存到 BloomFilter 中，在 map 阶段过滤大表，可能有一些不在小表
中的记录没有过滤掉（但是在小表中的记录一定不会过滤掉），这没关系，只不过增加了少量的网络 IO 而已。