摘要： 数据清洗(ETL) ETL(Extract抽取-Transform转换-Load加载)用来描述数据从来源端经过抽取、转换、加载至目的端的过程。一般用于数据仓库，但其对象并不限于数据仓库 在运行核心业务MapReduce程序之前，往往需要对数据进行清洗，清理掉不符合用户要求的数据，清理的过程往往只需要 阅读全文

摘要： 1 Join多种应用 1.1 Reduce Join Map 端的主要工作：不同表或文件的 key/value 对， 打标签以区别不同来源的记录。然后用连接字段作为 key，其余部分和新加的标志作为 value，最后进行输出。 Reduce 端的主要工作：在 Reduce 端以连接字段作为 key 阅读全文