分布式缓存DistributedCache

本文是对MR案例：Map-Join的解读。

在hadoop中，使用全局变量或全局文件共享的几种方法

1. 使用Configuration的set()方法，只适合数据内容比较小的场景
2. 将共享文件放在HDFS上，每次都去读取，效率比较低
3. 将共享文件放在DistributedCache里，在setup()初始化一次后，即可多次使用，缺点是不支持修改操作，仅能读取 

使用 DistributedCache 来共享一些全局配置文件或变量时，需要注意：

1. 共享文件必须要上传到hdfs上。【共享文件的默认访问协议为(hdfs://)】
2. 通过 job.addCacheFile(new Path(args[0]).toUri()); 方法加载共享文件。
3. 在Mapper类的setup()初始化方法中读取并处理共享文件。【setup()方法整个Job执行过程中只执行一次】
4. 在map()和reduce()方法中，可以使用处理后的共享文件

DistributedCache作用：①共享全局的缓存文件。②在执行一些join操作时，将小表放入cache中，来提高连接效率。

原文：http://www.cnblogs.com/skyl/p/4748701.html