第一次理解：
對于先掃描大表還是先掃描小表會提高效率飘庄。（在這里假設小表m條數(shù)據(jù)埋同，大表n條數(shù)據(jù)瞧预，m<n）
第一反應是：一樣的。因為小表在前的話窑邦，大表的每一條數(shù)據(jù)都與小表的第一條數(shù)據(jù)比對，是n次壕探，小表一共m條數(shù)據(jù)冈钦，所以此方案一共需要比對n*m次。同理李请，大表在前的話瞧筛，小表的m條數(shù)據(jù)分別與大表的第一條數(shù)據(jù)比對，是m次导盅，大表一共n條數(shù)據(jù)较幌，所以共比對m*n次。
大表和小表分別在前
然而白翻，后來發(fā)現(xiàn)忽略了一點乍炉，就是前面那個表的數(shù)據(jù)要加載到map中绢片。這樣的話，小表在前時共需要次數(shù)為：m+m
*n,而大表在前時共需要加載次數(shù)為：n+m*n岛琼。又∵m<n底循，所以先掃描小表會提高效率。
第二次理解
hive操作是map端的join槐瑞，小表先放入setup熙涤，然后大表切片，可能有多個切片在不同節(jié)點運行困檩。
如果map緩存大祠挫，隨著maptask增多，drive端壓力太大
（緩存大本身就占用珍貴的網(wǎng)絡資源）
