扫码加入数据分析学习群

1.MapJoin

mapJoin的主要意思就是，当连接的两个表是一个比较小的表和一个特别大的表的时候，把比较小的table直接放到内存中去，然后再对比较大的表格进行map操作。map端join的优势就是在于没有shuffle。而且在hive1.2.0之后只需设置

set hive.auto.convert.join=true;

set hive.mapjoin.smalltable.filesize=300000000;  

    hive就会自动的识别比较小且小于下面阈值的表，继而用mapJoin来实现两个表的联合。
2.Common Join

common join也叫做shuffle join，reduce join操作。这种情况下两个table的大小相当，但是又不是很大的情况下使用的。具体流程就是在map端进行数据的切分，一个block对应一个map操作，然后进行shuffle操作，把对应的block shuffle到reduce端去，再逐个进行联合。
3.SMB Join

smb是指sort merge bucket操作，首先进行排序，继而合并，然后放到所对应的bucket中去，bucket是hive中和分区表类似的技术，就是按照key进行hash，相同的hash值都放到相同的bucket中去。首先进行分桶，再join会大幅度提升性能。在联合的时候，是table1中的一小部分和table1中的一小部分进行联合，table联合都是等值连接，相同的key都放到了同一个bucket中去了，那么在联合的时候就会大幅度的减小无关项的扫描。