问题一：排序优化中的CLUSTER BY是什么意思？
排序优化中的CLUSTER BY是什么意思？
参考回答：
CLUSTER BY：根据指定的字段进行分桶，并在桶内进行排序，可以认为cluster by是distribute by+sort by。对于排序而言，尝试用distribute by+sort by确保reduce中结果有序，最后在全局有序。
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/615697
问题二：Join端优化中大表join小表怎么操作？
Join端优化中大表join小表怎么操作？
参考回答：
通过将需要join的小表分发至map端内存中，将Join操作提前至map端执行，避免因分发key值不均匀引发的长尾效应，复杂度从（M*N）降至（M+N），从而提高执行效率。ODPS SQL与Hive SQL使用mapjoin，SPARK使用broadcast。 
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/615698
问题三：Join端优化中大表join大表怎么操作？
Join端优化中大表join大表怎么操作？
参考回答：
长尾效应由热点数据导致，可以将热点数据加入白名单中，通过对白名单数据和非白名单数据分别处理，再合并数据。
具体表现为打散倾斜key，进行两端聚合(针对聚合)或者拆分倾斜key进行打散然后再合并数据。
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/615699
问题四：Join操作中应如何避免数据膨胀？
Join操作中应如何避免数据膨胀？
参考回答：
在Join操作中，为了避免数据膨胀，应确保Join关联条件是正确的，避免形成笛卡尔积，从而防止数据量爆炸。
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/615700
问题五：关联key的区分度对数据膨胀有什么影响？
关联key的区分度对数据膨胀有什么影响？
参考回答：
关联key的区分度对数据膨胀有很大影响。当key值区分度低（即distinct数量少）时，越有可能造成数据膨胀。例如，用户表中的性别列或交易表中的省市列，这些列的取值范围有限，如果作为Join的关键字，可能导致大量重复的数据组合。
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/615701
