Join Hive只支持等價連接，也就是說Join on中on的表之間的連接條件只能是=，不能是
配置單元執行引擎將把HQL“翻譯”成壹個映射縮減任務。在執行表的連接操作時，如果多個表中的每個表使用相同的列進行連接(出現在Join on子句中)，將只生成壹個MR作業:
A、B、C三個表都使用同壹個字段進行連接，即同壹個字段同時出現在兩個Join子句中，這樣就只生成壹個MR作業。
如果有多個表，其中壹個使用至少2個字段進行連接(Join子句中至少列出了同壹個表中的2個)，則至少會生成2個mrjobs:
三個表是基於兩個字段連接的，這兩個字段b.key1和b.key2同時出現在表B中。連接的過程如下:首先基於a.key和b.key1連接A表和B表，對應第壹個MR作業；；表a和b連接結果，然後用c連接，對應第二個MR作業。
這是因為在輸出映射時，Join on條件中的列被用作鍵。如果聯接有多個相關鍵，則這些相關鍵的組合將被用作鍵。Map根據key向Reduce終端分發數據，具體的Join在Reduce操作中完成。因此，如果基於不同的列連接多個表，就不可能在壹輪MR任務中將所有相關的數據放入同壹個Reduce操作中。
Hive支持常用的SQL連接語句，如inner join、left outer join、right join和Hive特有的map side join。地圖端連接是優化Hive連接查詢的重要技巧。
先準備三張桌子。
雇員雇員表:
部門部門表:
薪級表:
當連接多個表時，將只顯示所有表中符合on條件的數據，這類似於交集。
連接運算符左側表中滿足where條件的所有記錄都將被保留。如果連接運算符右側的表中沒有滿足on之後的連接條件的記錄，則從右側表中選擇的列將為NULL。如果沒有where條件，將保留左側表中的所有記錄。
標準查詢關鍵字的執行順序是從->；on->；其中-& gt；分組依據->；有-& gt；Order by，on是在關聯前過濾表，而左關聯只對右表有效，所有左表都要選中。
對於大量數據，在編寫SQL時使用where條件過濾掉不合格的數據是有好處的。但是對於左外連接和右連接，在執行on條件之前，不會執行where條件。on條件將生成壹個臨時表，where條件將過濾這個臨時表。
因此，為了優化Hive SQL執行的效率，在需要外連接的場景下，如果是連接前的條件查詢，查詢應該放在on之後，如果是連接後的篩選，條件應該放在where之後，where條件應該用於篩選主表。
特別需要註意的是，如果在與從表進行左關聯之前需要篩選主表，最好將主表寫成子查詢，這樣可以減少主表的數據量:
與左外連接相反，右外連接將保留連接運算符右側表中滿足where條件的所有記錄。如果連接運算符左側的表中沒有滿足on之後的連接條件的記錄，則從左側的表中選擇的列為NULL。
保留滿足where條件的兩個表的數據，類似於union，用NULL填充不滿足連接條件的字段。
以左半連接關鍵字之前的表為主表，返回主表的鍵也在輔助表中的記錄。在早期版本的Hive中，不支持標準SQL中的IN或EXISTS函數，可以使用左半連接來實現類似的功能。
應該強調的是:
笛卡爾積是壹個連接，它表示左表中的行數乘以右表中的行數。
Hive中的連接可以分為普通連接和映射連接。
如果沒有指定Map Join或者不滿足Map Join的條件，那麽Hive parser會默認執行Common Join，即在Reduce階段完成Join。整個過程包括貼圖、洗牌和還原階段。
以下面的HQL為例來說明它的過程:
地圖連接通常用在壹個非常小的表連接壹個大表的場景中。小表的具體大小由參數hive決定。mapjoin.smalltable.filesize，表示小表的總大小。默認值為2500萬字節，即25M。
在Hive 0.7之前，需要使用hint prompt/+mapjoin(table)/來執行Map Join，否則會執行Common Join，但在0.7版本之後，Map Join會默認自動轉換，由參數hive.auto.convert.join控制，默認值為true。
如上圖流程所示，任務A在客戶端本地執行，負責掃描小表B的數據，轉換成HashTable數據結構，寫入本地文件，然後將文件加載到DistributeCache。
接下來，Task B，也就是壹個沒有Reduce的MR，啟動MapTasks掃描大表A，在MAP階段，根據A的每條記錄，關聯到DistributeCache中表B對應的HashTable，直接輸出結果。
因為MapJoin中沒有Reduce，所以有多少Map任務就有多少結果文件，由Map直接輸出。
Map Join比Common Join效率高，但是總會有不滿足“小表”條件的時候。這需要桶映射連接。
Bucket map join需要將兩個要連接的表在連接字段上劃分成桶(每個桶對應hdfs上的壹個文件)，需要時小表的桶數是大表的桶數的倍數。
建立存儲桶表的例子:
這樣my_user表對應32個桶，數據按照哈希值和uid的32進行劃分，然後分配到不同的桶。
如果兩個表在連接字段上被劃分為桶，則可以執行桶映射連接，具體來說:
對於桶映射連接中的兩個表，如果每個桶中的分區字段也是有序的，則還可以執行排序合並桶映射連接。
表格構建語句是:
這樣，當兩個桶要做局部連接時，只需要像歸並排序算法中的歸並操作那樣依次遍歷兩個桶，就可以壹次只讀取小表中的壹部分數據，然後逐行與大表進行匹配。這種join不限制內存大小，也可以進行全外部join。
執行排序合並桶映射連接時，要設置的屬性有:
在加入的過程中，在地圖結束後，同壹個鍵的數據將被混洗到同壹個Reduce中。如果數據均勻分布，每次縮減處理的數據量通常是平衡的。但是如果有明顯的數據偏斜，壹些reducers處理的數據量就會過大，使得這個節點的處理時間過長，成為瓶頸。
大表與大表相關聯。如果其中壹個表大部分是空的或者有更多的零，很容易打亂reduce，導致運行緩慢。
在這種情況下，您可以為異常值分配壹個隨機值來分散鍵，並將其均勻地分配給多個reduce來執行，例如:
當鍵值都是有效值時，解決方案是:
設置以下參數:
Hive在運行時無法判斷哪個鍵會傾斜，所以使用參數hive.skewjoin.key來控制傾斜閾值。如果超過這個值，新值將被發送到那些還沒有達到的reduce，這個值壹般可以設置為要處理的記錄總數reduce數的2-4倍。
1.hive Foundation II(join的原理和機制，join的幾種類型，數據傾斜的簡單處理)
2.Hive:連接和連接優化
3.Hive中常見數據傾斜的處理