JamSlade的博客

left semi join：仅展示A表与B表匹配的记录，并且只展示A表字段，因为left semi join只传递表的join key给Map阶段（，可以用DISTRIBUTE BY和SORT BY语句来实现分布式排序，将排序的负载分散到不同的节点上。partition by 只能和 order by 组合使用。distribute by 只能和 sort by 使用。left join：展示左表和右表的。group by 默认。可以执行mapjoin。的记录，右表的字段值。

1.count distinct时，将值为空的情况单独处理，如果是计算count distinct，可以不用处理，直接过滤，在最后结果中加1。2.如果还有其他计算，需要进行group by，可以先将值为空的记录单独处理，再和其他计算结果进行union；where条件优化，join的过程中，对小表先进行where操作（where条件在map端执行），再与另一个表join，而非先join再where。情况，可以将小表存入内存再对达标进行map操作（小表存入内存是hive自己根据表大小确定的）

CLI（command line interface）、JDBC/ODBC、Thrift Server、WEB GUI、metastore和Driver(Complier、Optimizer和Executor)默认创建内部表，创建外部表，需要加上external关键字修饰，还可通过location指定Hive仓库的路径。两者基本相同，但sql解析器不一样（spark做了较多优化）数据处理都用hql完成的话，选择内部表。