MapJoin与小表驱动大表

SQL常说用小表驱动大表，网上很多帖子也是说hive也是小表驱动大表。

但实际用expalin执行计划测的时候，大表写在前面执行了mapjoin,小表写前面反而没采用MapJoin，为了确定确实是表大小的顺序原因，我更改了set hive.mapjoin.smalltable.filesize; 将其调小，则两种方案都无法mapJoin。

这是不是意味着：hive中为了采用MapJoin优化，在leftJoin时确实应该将大表写在前面，这和业务SQL数据库是相反了？

答：

保留大表还是小表取决于业务逻辑，并不是语法上可以优化的。

mapJoin并不存在什么书写顺序，只要开启了mapJoin，在成本评估合适的时候就会启用MapJoin。这具体表现在，InnerJoin不关心书写顺序；LeftJoin在小表在左侧，即小表完全保留的时候不会开启MapJoin，因为会产生很多空值连接的键值对，后续依旧要通过一个Reduce计算去除，且数据量很大不划算；RighJoin同理。  所谓的“小表驱动大表”和这里的MapJoin并不是一个概念，他指的是单服务器将小表加载内存，大表建立索引的过程；和这里的MapJoin减少网络传输，避免数据倾斜是不同的，设计理念就不同。