MaxCompute优化系列-如何使用`MAPJOIN` ？

当一个大表和一个或多个小表做JOIN时，最好使用MAPJOIN，性能比普通的JOIN要快很多。 另外，MAPJOIN 还能解决数据倾斜的问题。 MAPJOIN的基本原理是：在小数据量情况下，SQL会将用户指定的小表全部加载到执行JOIN操作的程序的内存中，从而加快JOIN的执行速度。 使用MAPJOIN时，需要注意： LEFT OUTER JOIN的左表必须是大表； RIGHT OUTER JOIN的右表必须是大表； INNER JOIN左表或右表均可以作为大表； FULL OUTER JOIN不能使用MAPJOIN； MAPJOIN支持小表为子查询； 使用MAPJOIN时需要引用小表或是子查询时，需要引用别名； 在MAPJOIN中，可以使用不等值连接或者使用OR连接多个条件； 目前ODPS在MAPJOIN中最多支持指定6张小表，否则报语法错误； 如果使用MAPJOIN，则所有小表占用的内存总和不得超过512M（解压后的逻辑数据量）。

同时满足下面2个条件： 1) Join阶段 max(join instance 运行时间) > 10分钟 && max( join instance 运行时间 ) > 2 * avg( join instance 运行时间 ) 2) 参与join 的最小表数据量小于100M （解压前的逻辑数据量）

set odps.sql.mapjoin.memory.max=512 设置mapjoin时小表的最大内存，默认512,单位M，[128,2048]之间调整

这个例子比较综合，既涉及到了数据倾斜问题，又涉及到当“小表”不是很小时(>512M)如何利用mapjoin. 场景：

日志表(log)通常来说是记录数比较多的，但用户表（users）也不小，600W+ 的记录，把 users 分发到所有的 map 上也是个不小的开销，而且 map join 不支持这么大的小表。如果用普通的 join，又会碰到数据倾斜的问题。 解决方法：