说明
相当于 SQL 中的
left join
与 join() 类似，返回的RDD是 key-value：以 左侧 RDD 的key为主 ，将相同的key的value连接在一起，组成元祖，该元祖作为value，如下图：
注意
以 左侧 RDD 的key为主
例子
val sparConf = new SparkConf().setMaster("local[*]").setAppName("RDD")
val sc = new SparkContext(sparConf)
val rdd1:RDD[(String,Int)] = sc.makeRDD(List(("李雷",182),("韩梅梅",169),("lili",170)))
val rdd2:RDD[(String,String)] = sc.makeRDD(List(("lucy","女"),("李雷","男"),("韩梅梅","女")))
val resRDD:RDD[(String, (Int, Option[String]))]=rdd1.leftOuterJoin( rdd2)
resRDD.collect().foreach(println)
sc.stop()
执行结果：
(李雷,(182,Some(男)))
(韩梅梅,(169,Some(女)))
(lili,(170,None))
案例
有时需要对数据进行翻译
读取 HDFS 文本文件，返回 RDD1，数据如下：
("李雷", 1)
("韩梅梅", 2)
("lili", 3)
解释：第二个元素表示学历，需要对该值进行翻译，而该翻译的数据在 MySQL、redis 中，需要 spark 连接该数据库，查询的结果在 RDD2中，如下：
(1, "博士")
(2, "研究生")
(3, "本科")
翻译结果如下：
("李雷", "博士")
("韩梅梅", "研究生")
("lili", "本科")
代码：
def main(args: Array[String]): Unit = {
val sparConf = new SparkConf().setMaster("local[*]").setAppName("RDD")
val sc = new SparkContext(sparConf)
val hiveRDD: RDD[(String, Int)] = sc.makeRDD(List(("李雷", 1), ("韩梅梅", 2), ("lili", 3), ("lucy", 4)))
val mysqlRDD: RDD[(Int, String)] = sc.makeRDD(List((1, "博士"), (2, "研究生"), (3, "本科")))
val hiveRDD2 = hiveRDD.map(e => (e._2, e._1))
/*
(Int, (String, Option[String]))
Int：1、2、3
(String, Option[String])：String是 人名，学历
*/
val resRDD:RDD[(Int, (String, Option[String]))]=hiveRDD2.leftOuterJoin( mysqlRDD)
val resRDD2 = resRDD.map(e => (e._2._1, e._2._2.getOrElse("未知")))
resRDD2.foreach(println)
sc.stop()
}