map join 大表和小表的join

map join 的定义：

map join 适用于一个大表和一个或多个小表执行join操作的场景。整个join过程包含map、shuffle和reduce三个阶段。通常情况下，join操作在reduce阶段执行表连接。map join操作是在map阶段执行的，大量缩短了数据传输的时间，提升了系统资源的利用率，从而起到了优化作业的作用。并且map join会将指定的小表全部加载到执行join操作的程序的内存中，从而加快join的速度。

map join 的操作限制：

• 指定的表只能是小表；

• 表被加载到内存后占用的总内存不得超过512MB；

• 最多支持指定128张小表；

map join 中 join 操作的限制：

• left outer join 的左表必须是大表；

• right outer join的右表必须是大表；

• 不支持full outer join；

• inner join的左表或右表均可以是大表；

使用方法：

• map join语句必须使用/*+ mapjoin(<table_name>) */格式才会执行；

• 引用小表或查询时，需要引用别名；

• 支持小表为子查询；

• 可以使用不等值连接或or连接多个条件。可以通过不写on语句而通过mapjoin on 1=1的形式，实现笛卡尔乘积的计算。例如 select /*+ mapjoin(a) */ a.id from shop a join table_name b on 1=1；，但此操作可能带来数据膨胀问题；

• map join多个小表用英文逗号（,）分隔，例如/*+mapjoin(a,b,c)*/。

使用示例：

select /*+ mapjoin(a)*/
    a.name,
    a.value,
    b.value
from table1 a join table2 b
on a.value<b.value or a.value+b.value<500;