1.小表對大表（broadcast join）
將小表的數據分發到每個節點上，供大表使用。executor存儲小表的全部數據，一定程度上犧牲了空間，換取shuffle操作大量的耗時，這在SparkSQL中稱作Broadcast Join
Broadcast Join的條件有以下幾個：
*被廣播的表需要小於 spark.sql.autoBroadcastJoinThreshold 所配置的值，默認是10M （或者加了broadcast join的hint）
*基表不能被廣播，比如 left outer join 時，只能廣播右表
2.Shuffle Hash Join
因為被廣播的表首先被collect到driver段，然后被冗余分發到每個executor上，所以當表比較大時，采用broadcast join會對driver端和executor端造成較大的壓力。
spark可以通過分區的形式將大批量的數據划分成n份較小的數據集進行並行計算.
利用key相同必然分區相同的這個原理，SparkSQL將較大表的join分而治之，先將表划分成n個分區，再對兩個表中相對應分區的數據分別進行Hash Join，
這樣即在一定程度上減少了driver廣播一側表的壓力，也減少了executor端取整張被廣播表的內存消耗。
*Shuffle Hash Join分為兩步：
對兩張表分別按照join keys進行重分區，即shuffle，目的是為了讓有相同join keys值的記錄分到對應的分區中
對對應分區中的數據進行join，此處先將小表分區構造為一張hash表，然后根據大表分區中記錄的join keys值拿出來進行匹配
*Shuffle Hash Join的條件有以下幾個：
分區的平均大小不超過spark.sql.autoBroadcastJoinThreshold所配置的值，默認是10M
基表不能被廣播，比如left outer join時，只能廣播右表
一側的表要明顯小於另外一側，小的一側將被廣播（明顯小於的定義為3倍小，此處為經驗值）
3.大表對大表（Sort Merge Join）
將兩張表按照join keys進行了重新shuffle，保證join keys值相同的記錄會被分在相應的分區。分區后對每個分區內的數據進行排序，排序后再對相應的分區內的記錄進行連接
因為兩個序列都是有序的，從頭遍歷，碰到key相同的就輸出；如果不同，左邊小就繼續取左邊，反之取右邊(即用即取即丟)