籠統的說，Hive中的Join可分爲Common Join（Reduce階段完成join）和Map Join（Map階段完成join）。本文簡單介紹一下兩種join的原理和機制。
一、 Hive Common Join
如果不指定MapJoin或者不符合MapJoin的條件，那麼Hive解析器會將Join操作轉換成Common Join,即：在Reduce階段完成join.
整個過程包含Map、Shuffle、Reduce階段。
- Map階段
讀取源表的數據，Map輸出時候以 Join on 條件中的列爲key，如果Join有多個關聯鍵，則以這些關聯鍵的組合作爲key;
Map輸出的 value 爲 join 之後所關心的(select或者where中需要用到的)列；同時在value中還會包含表的 Tag 信息，用於標明此value對應哪個表；
按照key進行排序
- Shuffle階段
根據key的值進行hash,並將key/value按照hash值推送至不同的reduce中，這樣確保兩個表中相同的key位於同一個reduce中
- Reduce階段
根據key的值完成join操作，期間通過Tag來識別不同表中的數據。
以下面的HQL爲例，圖解其過程：
SELECT
a.id,a.dept,b.age
FROM a join b
ON (a.id = b.id);
看了這個圖，應該知道如何使用MapReduce進行join操作了吧。
二、 Hive Map Join
MapJoin通常用於一個很小的表和一個大表進行 Join 的場景，具體小表有多小，由參數hive.mapjoin.smalltable.filesize來決定，該參數表示小表的總大小，默認值爲25000000字節，即25M。
0.7版本之後，默認自動會轉換Map Join，由參數 hive.auto.convert.join 來控制，默認爲true.
仍然以前面的HQL來說吧，假設a表爲一張大表，b爲小表，並且hive.auto.convert.join=true,那麼Hive在執行時候會自動轉化爲MapJoin。
- 如圖中的流程，首先是Task A，它是一個Local Task（在客戶端本地執行的Task），負責掃描小表b的數據，將其轉換成一個HashTable的數據結構，並寫入本地的文件中，之後將該文件加載到DistributeCache中，該HashTable的數據結構可以抽象爲：
| key | value |
| 1 | 26 |
| 2 | 34 |
圖中紅框圈出了執行Local Task的信息。
- 接下來是Task B，該任務是一個沒有Reduce的MR，啓動MapTasks掃描大表a,在Map階段，根據 a 的每一條記錄去和DistributeCache中 b 表對應的 HashTable 關聯，並直接輸出結果。
- 由於 MapJoin 沒有Reduce，所以由 Map直接輸出結果文件，有多少個Map Task，就有多少個結果文件。