请列举 Hive 支持的不同 JOIN 类型，并阐述针对 JOIN 操作的性能优化手段。
考察说明
考查对 Hive 常用 JOIN 类型的熟悉程度以及在实际场景中优化 JOIN 查询的能力。
回答思路
- 【回答框架 1】Hive 主要支持的 JOIN 类型包括内连接（INNER JOIN）、左外连接（LEFT OUTER JOIN）、右外连接（RIGHT OUTER JOIN）、全外连接（FULL OUTER JOIN）以及半连接（LEFT SEMI JOIN）等，其中内连接只返回两表中匹配的行，外连接则保留一侧或两侧的所有行，半连接用于高效实现 IN 子查询。
- 【回答框架 2】性能优化的核心思路是减少数据量和数据倾斜。常用手段包括：使用分区表并谓词下推，减少参与 JOIN 的数据量；合理设置 MapJoin 的阈值，使得小表可被加载到内存中，避免 Reduce 阶段的网络开销；以及使用 Bloom Filter 索引来提前过滤匹配数据。
- 【回答框架 3】对于数据倾斜，可以采用倾斜键单独处理、增加随机前缀打散热点值，或使用 SkewJoin（如 hive.optimize.skewjoin）来自动优化。此外，选择合适的文件格式（如 ORC、Parquet）和压缩编码能显著减少 I/O。
- 【回答框架 4】需要根据数据规模、集群资源和查询模式权衡优化策略。通过 EXPLAIN 分析执行计划，定位耗时算子，并持续监控和调优，才能获得最佳性能。
- 【关键点 1】Hive JOIN 类型包括 INNER、LEFT/RIGHT/FULL OUTER 以及 LEFT SEMI JOIN。
- 【关键点 2】优化 JOIN 的核心是减少数据量，常用手段有分区裁剪、谓词下推、MapJoin 和 Column Pruning。
- 【关键点 3】数据倾斜时可使用 SkewJoin、加盐处理或拆分倾斜键。
- 【关键点 4】选择 ORC/Parquet 格式和合适的压缩可减少 I/O，提升性能。
- 【关键点 5】通过 EXPLAIN 分析执行计划来针对性调优。
- 【易错点 1】MapJoin 依赖小表能装入内存，需合理设置阈值（如 hive.auto.convert.join.noconditionaltask.size）。
- 【易错点 2】谓词下推在某些 JOIN 类型（如 LEFT JOIN）下可能不生效，需注意过滤条件放置位置。
- 【易错点 3】盲目增加并行度可能导致资源竞争，反而降低性能。