（1）Hive的Join

1、Join实现过程为：
(1)Map：
以 JOIN ON 条件中的列作为 Key，如果有多个列，则 Key 是这些列的组合
以 JOIN 之后所关心的列作为 Value，当有多个列时，Value 是这些列的组合。在 Value 中还 会包含表的 Tag 信息，用于标明此 Value 对应于哪个表。
并按照 Key 进行排序。
（2）Shuffle：
根据 Key 的值进行 Hash，并将 Key/Value 对按照 Hash 值推至不同对 Reduce 中。
（3）Reduce：
Reducer 根据 Key 值进行 Join 操作，并且通过 Tag 来识别不同的表中的数据。
具体实现过程如图：

image.png

2、mapjoin
hive 0.6 的时候默认认为写在select 后面的是大表，前面的是小表， 或者使用 /*+mapjoin(map_table) */ 提示进行设定.
hive 0.7 的时候这个计算是自动化的，它首先会自动判断哪个是小表，哪个是大表，这个参数由（hive.auto.convert.join=true）来控制.
然后控制小表的大小由（hive.smalltable.filesize=25000000L）参数控制（默认是25M），当小表超过这个大小，hive 会默认转化成common join.
小表会放在内存中，在map阶段进行join。
3、求并集 left semi join
在左表和右表中同时存在。

SELECT a.key, a.val  FROM a LEFT SEMI JOIN b ON (a.key = b.key)

4、求差集 left outer join
在左表中存在，但是在右表中不存在。

Select user1.uid 
from  
    user1
left outer join
    user2
on user1.uid=user2.uid
where user2.uid is nulll

5、 Join 操作的 Reduce 阶段，位于 Join 操作符左边的表的内容会被加载进内存，将条目少的表放在左边，可以有效减少发生 OOM 错误的几率。