请阐述Hive的查询优化器运行机制，并列举其主要采用的优化策略。

回答思路

1. 【回答框架 1】Hive查询优化器是SQL编译器的核心组件，负责将抽象语法树转换为高效的执行计划。其工作流程大致为：对输入的SQL进行语法和语义分析，生成逻辑计划，然后经过基于规则的优化（RBO）和基于代价的优化（CBO），最终生成物理执行计划并提交给执行引擎（如MapReduce、Tez或Spark）。
2. 【回答框架 2】RBO通过应用一系列预定义的规则对逻辑计划进行等价变换，例如谓词下推、列剪枝、常量折叠、连接重排序等，这些规则不依赖数据统计信息，旨在减少数据扫描和计算量。
3. 【回答框架 3】CBO则基于表的数据统计信息（如行数、列基数、数据分布）估算不同执行计划的代价（如I/O、CPU、网络传输），并从中选择代价最低的执行计划。常用的优化器包括Apache Calcite和Hive自带的Cost-based Optimizer。
4. 【回答框架 4】常见优化策略还包括：分区裁剪和分桶裁剪，减少读取的数据量；SMB Join和Map Join，利用Map端连接避免数据倾斜和reduce阶段的开销；聚合下推和全局排序优化等。
5. 【回答框架 5】此外，对于复杂查询，优化器还会进行物化视图匹配，自动改写查询以使用已物化的结果，提升查询性能。
6. 【关键点 1】Hive优化器分为RBO和CBO，分别基于规则和代价优化。
7. 【关键点 2】RBO常用策略：谓词下推、列剪枝、常量折叠。
8. 【关键点 3】CBO依赖统计信息，选择最低代价执行计划。
9. 【关键点 4】优化策略还包括分区裁剪、Map Join、SMB Join等。
10. 【关键点 5】物化视图匹配是高级优化手段之一。
11. 【易错点 1】CBO对统计信息的准确性依赖较高，过时或缺失的统计信息可能导致劣化计划。
12. 【易错点 2】RBO不一定在所有场景下产生最优计划，需要与CBO组合使用。
13. 【易错点 3】不要将优化器泛化为所有版本行为一致，不同Hive版本的优化器能力和默认设置可能不同。