Hive TopN+分组TopN
2016-03-01 19:41
260 查看
TopN
可以通过sort by limit N 来实现 比 通过order by limit N 来实现要快得多个人感觉sort by使用的时候如果能合理使用distribute by的话会更均衡一些
sort by可以启动多个reduce,每个reduce做局部排序,但是这对于sort by limit N已经够用了。
第一个JOB是在每个reduce中做局部排序,然后分别取TOP N。假设启动了M个reduce,
第二个JOB再对M个reduce分别局部排好序的总计M * N条数据做全局排序,取TOP N,从而得到想要的结果。
这样就可以大大提高SELECT TOP N的效率。
分组TopN
使用hive窗口函数来实现语文成绩是80分的排名是多少
select od from (select *, row_number() over (partition by sub order by score desc) as od from t )t where sub=‘chinese‘ and score=80;
相关文章推荐
- Foundation-NSRunLoop
- shell读取文件的方法
- Web网站架构设计
- 谈谈大型网站架构
- 软件架构师培训-精华提炼
- chipscope使用中遇到的一些问题
- Tomcat启动分析
- Apache 配置 WebSocket 协议
- 地址选择的,弹出的下拉。select。通过《option》《/option》来隔开
- RunLoop
- 使用NSOperation实现多线程
- Linux线程模型的比较-LinuxThreads和NPTL
- NSOperation多线程的使用
- 64位linux安装32位校园网客户端
- 20135337朱荟潼 Linux第二周学习总结——操作系统是如何工作的
- 解决IE下URL传参中文乱码的问题
- ROS学习--网站教程
- linux下编译代码遇到“/usr/bin/ld: cannot find -lcrypto”的问题
- fopen,fread和fwrite
- properties、xml content is not allowed in prolog