大明湖里有蛤蟆

inner join,left outer join,right outer join,antijoin,cartesian product

reduce side join是所有join中用时最长的一种join，但是这种方法能够适用内连接、left外连接、right外连接、full外连接和反连接等所有的join方式。reduce side join不仅可以对小数据进行join，也可以对大数据进行join，但是大数据会占用大量的集群内部网络IO，因为所有数据最终要写入到reduce端进行join。如果要做join的数据量非常大的话，就不得不用reduce join了。

hadoop常用压缩算法性能总结，包括snappy、gzip、bzip2、LZ4、LZO、deflate等算法

当有一个大表join小表的时候，可以选择用Map side join。该方式只用到了map阶段，不需要reduce。适用场景：1-小表很小，可以放在内存中，不会导致JVM的堆溢出；2-内连接或者大数据在左边的左外连接。