mapjoin纵横

关于mapjoin的三点：

1、适用于涉及表join的查询优化，优化的点是大小表

2、表join的过程套在map-reduce计算框架内

3、与common join的对比

A nature join B

nature join的含义是自然连接，突出一个自然，自然指的是有一些自然而然的设定，比如连接的两表肯定有相同的属性，而这一属性是否可以作为键，则没有在定义里指出，键往往是预先定义好的，指的是在不可在记录之间重复的属性。相较于笛卡尔积，自然连接只保留一套公共属性，只取公共属性值相等的记录，由于其属于内连接，只列出相等的记录。

join方面，遇到大小表，小表放在内存中，大表进行map，每个block里都有表的一个子集。在map阶段与内存中的小表进行join。没有reduce，也没有shuffle。

用法：set hive. auto.convert.join=true;

与common对比，优势在于将表的一次性连接的乘法cost转化成map中的加法cost。缺陷在于，map cost成倍增长，如果两表差距不大，当然就不适合于map join。