1. SELECT a.val, b.val, c.val FROM a JOIN b ON (a.key = b.key1) JOIN c ON (c.key = b.key2)  

join的快取和任務轉換

hive轉換多表join時，如果每個表在join字句中，使用的都是同一個列，只會轉換為一個單獨的map/reduce。

1. SELECT a.val, b.val, c.val FROM a JOIN b ON (a.key = b.key1) JOIN c ON (c.key = b.key1)  

這個會轉換為單獨的map/reduce任務，只有b表的key1列在join被呼叫。

另一方面

1. SELECT a.val, b.val, c.val FROM a JOIN b ON (a.key = b.key1) JOIN c ON (c.key = b.key2)  

被轉換為兩個map/reduce任務，因為b的key1列在第一個join條件使用，而b表的key2列在第二個join條件使用。第一個map/reduce任務join a和b。第二個任務是第一個任務的結果join c。

在join的每個map/reduce階段，序列中的最後一個表，當其他被快取時，它會流到reducers。所以，reducers需要快取join關鍵字的特定值組成的行，通過組織最大的表出現在序列的最後，有助於減少reducers的記憶體。

1. SELECT a.val, b.val, c.val FROM a JOIN b ON (a.key = b.key1) JOIN c ON (c.key = b.key1)  

三個表，在同一個獨立的map/reduce任務做join。a和b的key對應的特定值組成的行，會快取在reducers的記憶體。然後reducers接受c的每一行，和快取的每一行做join計算。

類似

1. SELECT a.val, b.val, c.val FROM a JOIN b ON (a.key = b.key1) JOIN c ON (c.key = b.key2)  

 這裡有兩個map/reduce任務在join計算被呼叫。第一個是a和b做join，然後reducers快取a的值，另一邊，從流接收b的值。第二個階段，reducers快取第一個join的結果，另一邊從流接收c的值。

在join的每個map/reduce階段，通過關鍵字，可以指定哪個表從流接收。

1. 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)  

 三個表的連線，會轉換為一個map/reduce任務，reducer會把b和c的key的特定值快取在記憶體裡，然後從流接收a的每一行，和快取的行做join。

join的結果

LEFT，RIGHT，FULL OUTER連線存在是為了提供ON語句在沒有匹配時的更多控制。例如，這個查詢：

1. SELECT a.val, b.val FROM a LEFT OUTER JOIN b ON (a.key=b.key)  

將會返回a的每一行。如果b.key等於a.key,輸出將是a.val,b.val,如果a沒有和b.key匹配，輸出的行將是 a.val,NULL。如果b的行沒有和a.key匹配上，將被拋棄。語法"FROM a LEFT OUTER JOIN b"必須寫在一行，為了理解它如何工作——這個查詢，a是b的左邊，a的所有行會被保持；RIGHT OUTER JOIN將保持b的所有行， FULL OUTER JOIN將會儲存a和b的所有行。OUTER JOIN語義應該符合標準的SQL規範。

join的過濾

Joins發生在where字句前，所以，如果要限制join的輸出，需要寫在where字句，否則寫在JOIN字句。現在討論的一個混亂的大點，就是分割槽表

1. SELECT a.val, b.val FROM a LEFT OUTER JOIN b ON (a.key=b.key)  
2. WHERE a.ds='2009-07-07' AND b.ds='2009-07-07'  

將會連線a和b，產生a.val和b.val的列表。WHERE字句，也可以引用join的輸出列，然後過濾他們。

但是，無論何時JOIN的行找到a的key，但是找不到b的key時，b的所有列會置成NULL，包括ds列。這就是說，將過濾join輸出的所有行，包括沒有合法的b.key的行。然後你會在LEFT OUTER的要求撲空。

也就是說，如果你在WHERE字句引用b的任何列，LEFT OUTER的部分join結果是不相關的。所以，當外連線時，使用這個語句

1. 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'  

join的輸出會預先過濾，然後你不用對有a.key而沒有b.key的行做過濾。RIGHT和FULL join也是一樣的邏輯。

join的順序

join是不可替換的，連線是從左到右，不管是LEFT或RIGHT join。

1. SELECT a.val1, a.val2, b.val, c.val  
2. FROM a  
3. JOIN b ON (a.key = b.key)  
4. LEFT OUTER JOIN c ON (a.key = c.key)  

首先，連線a和b，扔掉a和b中沒有匹配的key的行。結果表再連線c。這提供了直觀的結果，如果有一個鍵都存在於A和C，但不是B：完整行(包括 a.val1,a.val2,a.key)會在"a jOIN b"步驟，被丟棄，因為它不在b中。結果沒有a.key，所以當它和c做LEFT OUTER JOIN,c.val也無法做到，因為沒有c.key匹配a.key(因為a的行都被移除了)。類似的，RIGHT OUTER JOIN(替換為LEFT),我們最終會更怪的效果,NULL, NULL, NULL, c.val。因為儘管指定了join key是a.key=c.key，我們已經在第一個JOIN丟棄了不匹配的a的所有行。

為了達到更直觀的效果，相反，我們應該從

1. FROM c LEFT OUTER JOIN a ON (c.key = a.key) LEFT OUTER JOIN b ON (c.key = b.key).  

LEFT SEMI JOIN實現了相關的IN / EXISTS的子查詢語義的有效途徑。由於Hive目前不支援IN / EXISTS的子查詢，所以你可以用 LEFT SEMI JOIN 重寫你的子查詢語句。LEFT SEMI JOIN 的限制是， JOIN 子句中右邊的表只能在 ON 子句中設定過濾條件，在 WHERE 子句、SELECT 子句或其他地方過濾都不行。

1. SELECT a.key, a.value FROM a WHERE a.key in (SELECT b.key FROM B);  

可以重寫為

1. SELECT a.key, a.val FROM a LEFT SEMI JOIN b on (a.key = b.key)  

mapjoin

但如果所有被連線的表是小表，join可以被轉換為只有一個map任務。查詢是

SELECT /*+ MAPJOIN(b) */ a.key, a.value
FROM a join b on a.key = b.key

不需要reducer。對於每一個mapper,A和B已經被完全讀出。限制是a FULL/RIGHT OUTER JOIN b不能使用。

如果表在join的列已經分桶了，其中一張表的桶的數量，是另一個表的桶的數量的整倍，那麼兩者可以做桶的連線。如果A有4個桶，表B有4個桶，下面的連線：

1. SELECT /*+ MAPJOIN(b) */ a.key, a.value FROM a join b on a.key = b.key  

只能在mapper工作。為了為A的每個mapper完整抽取B。對於上面的查詢，mapper處理A的桶1，只會抽取B的桶1，這不是預設行為，要使用以下引數：

1. set hive.optimize.bucketmapjoin = true;  

如果表在join的列經過排序，分桶，而且他們有相同數量的桶，可以使用排序-合併 join。每個mapper，相關的桶會做連線。如果A和B有4個桶，

1. SELECT /*+ MAPJOIN(b) */ a.key, a.value FROM A a join B b on a.key = b.key  

只能在mapper使用。使用A的桶的mapper，也會遍歷B相關的桶。這個不是預設行為，需要配置以下引數：

1. set hive.input.format=org.apache.hadoop.hive.ql.io.BucketizedHiveInputFormat;  
2. set hive.optimize.bucketmapjoin = true;  
3. set hive.optimize.bucketmapjoin.sortedmerge = true;  

翻譯自 https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Joins