1. 只支持相等JOIN。
2. 多表連接當使用不同的列進行JOIN時，會產生多個MR作業。
3. 最后的表的數據是從流中讀取，而前面的會在內存中緩存，因此最好把最大的表放在最后。
SELECT /*+ STREAMTABLE(a) */ a.val, b.val, c.val FROM a JOIN b ON (a.key = b.key1) JOIN c ON (c.key = b.key1)//暗示
4. JOIN在WHERE子句前進行處理。
SELECT a.val, b.val FROM a LEFT OUTER JOIN b ON (a.key=b.key)
WHERE a.ds='2009-07-07' AND b.ds='2009-07-07'
SELECT a.val, b.val FROM a LEFT OUTER JOIN b
ON (a.key=b.key AND b.ds='2009-07-07' AND a.ds='2009-07-07')//先過濾
5. JOIN是左結合的：
SELECT a.val1, a.val2, b.val, c.val
FROM a JOIN b ON (a.key = b.key) LEFT OUTER JOIN c ON (a.key = c.key)
---> FROM c LEFT OUTER JOIN a ON (c.key = a.key) LEFT OUTER JOIN b ON (c.key = b.key).
6. 只有一個大表時，可以使用map端連接：
SELECT /*+ MAPJOIN(b) */ a.key, a.value
FROM a join b on a.key = b.key
1.將小表的數據變成hashtable廣播到所有的map端，將大表的數據進行合理的切分
2. map階段用大表的數據一行一行的去探測小表的hashtable
hive.auto.convert.join=true：自動判斷大表和小表
hive.smalltable.filesize=25M：當超過時使用reduce端連接
hive.join.emit.interval=1000
// hive.mapjoin.size.key=10000
hive.mapjoin.cache.numrows=10000
7. BUCKET MAP JOIN：在JOIN列上分桶，桶的數目成倍數關系，設置hive.optimize.bucketmapjoin=true
SELECT /*+ MAPJOIN(b) */ a.key, a.value
FROM a join b on a.key = b.key
Bucket Map Join 執行計划分兩步，第一步先將小表做map 操作變成hashtable 然后廣播到所有大表的map端，大表的map端接受了number_buckets 個小表的hashtable並不需要合成一個大的hashtable,直接可以進行map 操作，map 操作會產生number_buckets 個split，每個split 的標記跟小表的hashtable 標記是一樣的, 在執行projection 操作的時候，只需要將小表的一個hashtable 放入內存即可，然后將大表的對應的split 拿出來進行判斷，所以其內存限制為小表中最大的那個hashtable 的大小.
8. SORT-MERGE JOIN：在JOIN列上排序並分桶，且有相同的桶數目
set hive.input.format=org.apache.hadoop.hive.ql.io.BucketizedHiveInputFormat;
set hive.optimize.bucketmapjoin = true;
set hive.optimize.bucketmapjoin.sortedmerge = true;
9. SKEW JOIN：處理數據傾斜
hive.exec.reducers.bytes.per.reducer：默認處理1G數據
hive.optimize.skewjoin=false
hive.skewjoin.key=100000 ：(處理的總記錄數/reduce個數)的2-4倍
內連接：SELECT sales.*,things.* FROM sales JOIN things ON (sales.id=things.id)
SELECT sales.*,things.* FROM sales LEFT/RIGHT/FULL OUTER JOIN things ON (sales.id=things.id)
半連接： 右手邊的表只能出現在JOIN條件里，不能出現在SELECT和WHERE里。
SELECT * FROM things LEFT SEMI JOIN sales ON (sales.id=things.id)
=SELECT * FROM things WHERE things.id in (SELECT id FROM sales)