我似乎找不到任何关于Hive中的bucket连接的好用例。
在我看来，当把表a和表b连接起来时：
bucket join节省了我们将表a传递给reducer的时间，同时将表b加载到分布式缓存中，每个Map器处理表b对应的bucket与表a对应的bucket。
但是，将表b加载到分布式缓存是由单个任务完成的，因此随着表变大，这就成为了一个瓶颈。
因此，如果表b足够小，不致于给单个任务带来负担，那么它实际上与使用小优化进行常规Map联接是一样的。
另一方面，如果表b不能容纳在一个Map器中，那么将其读取到分布式缓存的过程可能需要一段时间。
最后，似乎将表b加载到分布式缓存中的时间是值得的，因为我们不需要将表a的桶从Map器传递到还原器，但是这个过程不应该太重，除非表a真的很大，因为每个Map器将读取一个对应于单个缩减器的单个bucket（表由join键绑定），所以每个缩减器将获取2个中间输出（每个表一个，很有可能reducer与其对应的Map器运行在同一个节点上，并合并它们，从这一点来看，连接与Map器中的连接是相同的。
最后，我认为问题是什么成本更高：
通过单个任务将中等大小的表加载到分布式缓存中
将大量中等大小（可能很大）的bucket从Map器传递到reducer（大部分是本地的）并合并2个文件-所有这些都是并行完成的。
你怎么认为？有人能找到bucket join的好用法吗？