Pig 和 Hive 的表连接 Join

Pig：

1.  内连接：

 join_table = join table1 by col1,  join table2 by col2

2. 外连接：

左外连接：join_table = join table1 by col1 left  outer,  join table2 by col2     其中outer 可省略

右外连接：join_table = join table1 by col1 right  outer,  join table2 by col2   其中outer 可省略

全外连接：join_table = join table1 by col1 full  outer,  join table2 by col2

3. 自连接

不能直接进行： join table1 by col1,  join table1 by col1

必须将数据加载两次，在进行内连接

4. 分片-复制连接 replicated join

 join_table = join big_table  by col1 ,  join small_table by col2   using 'replicated'

这样small_table 会加载到内存中复制到各个节点，再与big_table 连接。

replicated join 只支持内连接和左外连接

5. 倾斜数据连接 skew join

join_table = join table1 by col1,  join table2 by col2 using 'skewed'

先对table2的键值进行抽样，判断键值的分布情况，然后给各个Reducer分配键值范围，可能同一个键值被分配到好几个reducer中 

6. 排好顺序的数据连接 merge join

join_table = join table1 by col1,  join table2 by col2 using 'merge'

7. 笛卡尔积

cross table1, table2

Hive：

1. 内连接，可连接多个， 注意小表在前，大表在后

select * from  table1 a  join table2  b on a.col1=b.col2

2. 外连接

左：select * from  table1 a  left outer join table2  b on a.col1=b.col2

右：select * from  table1 a  right outer join table2  b on a.col1=b.col2

全：select * from  table1 a  full outer join table2  b on a.col1=b.col2

3. 左半开连接

select  a.col1  , a.col2 , a.col3  from  table1 a  left semi join table2  b on a.col1=b.col2

实现与内连接相同功能，但是比内连接高效。

4.笛卡尔积

select * from  table1  join table2   

5.map-side join

设置了 hive.auto.convert.join=true,   hive.mapjoin.smalltable.filesize=2500,  hive.optimize.bucketmapJoin=true 等参数会自动开启