请阐述 MapReduce 中多表连接的实现机制，并列举常见的连接策略及其适用场景。

回答思路

1. 【回答框架 1】多表连接在 MapReduce 中通过 Map 阶段标记数据来源、Reduce 阶段进行分组连接实现。常见策略包括 Reduce Side Join、Map Side Join 和 Semi Join。
2. 【回答框架 2】Reduce Side Join 是通用方案：在 Map 阶段将连接字段作为 key，记录来源作为 value，Reduce 端根据来源区分不同表的数据并完成连接，适合任意大小表，但 shuffle 开销大。
3. 【回答框架 3】Map Side Join 适用于一大一小表：将小表缓存到分布式缓存，Map 阶段直接进行连接，避免 shuffle，效率高，但要求小表能载入内存。
4. 【回答框架 4】Semi Join 用于处理小表过滤大表：先提取小表的连接键去重，在 Map 阶段过滤大表，减少 shuffle 数据量，再执行 Reduce Side Join。
5. 【回答框架 5】方案选择需权衡数据规模、倾斜和容错。倾斜时可加盐或布隆过滤器优化，但原题未涉及的具体实现不作展开。
6. 【关键点 1】Reduce Side Join 通过标记数据来源实现通用连接，但 shuffle 开销大。
7. 【关键点 2】Map Side Join 利用分布式缓存小表，避免 shuffle，适合大表关联小表。
8. 【关键点 3】Semi Join 先过滤小表键再连接，用于减少大表参与计算的数据量。
9. 【易错点 1】Reduce Side Join 可能因数据倾斜导致节点负载不均。
10. 【易错点 2】Map Side Join 要求小表能放入内存，否则会内存溢出。