我有3个小表：smallTable0，smallTable1和smallTable3。它们都有少于100行和相同的模式。我还有3个大表：largeTable0，largeTable1和largeTable3。所有行都有超过1M行，具有相同的模式，与小表共享id列，在id之外的其他内容上进行分区（如果分区很重要，我怀疑它没有）。
设置hive.auto.convert.join=true后，以下情况会产生MapJoin，如预期的那样：
smallTable0加入smallTable1 smallTable0加入largeTable0 smallTable0 <{1}} 以下情况不会像预期的那样导致MapJoin：
smallTable1 UNION ALL smallTable2反对任何事情。largeTable0 smallTable0
然而，出乎意料的是，以下情况也不会导致MapJoin：
hive.auto.convert.join=false加入smallTable0 确切的查询如下：
largeTable0 UNION ALL largeTable1它运行正常，但使用Common Join而不是MapJoin，它会导致性能下降。创建表示SELECT * FROM smallTable0 s
JOIN (
SELECT * FROM (
SELECT * FROM largeTable0
UNION ALL
SELECT * FROM largeTable1
) x
) l
ON s.id = l.id;
的视图无法解决问题。我确定创建一个largeTable0 UNION ALL largeTable1表可以解决问题，但是重复这么多数据然后保持它们同步是不可取的。
Union运算符的源代码（here）有一条评论，我觉得有点神秘。
largetTable0 UNION ALL largeTable1似乎暗示UNION运算符不允许使用显式MapJoin提示，但允许使用UNION运算符，并且/**
* Union operators are not allowed either before or after a explicit mapjoin hint.
* Note that, the same query would just work without the mapjoin hint (by setting
* hive.auto.convert.join to true).
**/
@Override
public boolean opAllowedBeforeMapJoin() {
return false;
}
@Override
public boolean opAllowedAfterMapJoin() {
return false;
}
会启动MapJoins。但是我不明白为什么允许另一个人被禁止。除非“正常工作”意味着查询将“正常”，而不是使用MapJoin。但是，如果是这种情况，我原本希望将hive.auto.convert.join加入smallTable0以产生公共加入。
奇怪的行为是Hive中的错误，我的代码中的错误，Hive中缺少的功能，还是我的误解？
答案 0 :(得分：1)
您可以为Hive指定提示，以便在连接期间处理表。我总是指定 MAPJOIN 或 STREAMTABLE ，如果我知道小表是否适合加入，或者是非常大的表应该流式传输到其他表。
e.g。
SELECT /*+ MAPJOIN(smalltable0) */ * FROM smallTable0 s