hive使用技巧(四)——巧用MapJoin解决数据倾斜问题
2016-05-10 17:36
459 查看
相关文章推荐:
hive使用技巧(一)自动化动态分配表分区及修改hive表字段名称
hive使用技巧(二)——共享中间结果集
hive使用技巧(三)——巧用group by实现去重统计
hive使用技巧(四)——巧用MapJoin解决数据倾斜问题
Hive使用技巧(五)—— 一行转多行,多行转一行
Hive的MapJoin,在Join 操作在 Map 阶段完成,如果需要的数据在 Map 的过程中可以访问到则不再需要Reduce。
小表关联一个超大表时,容易发生数据倾斜,可以用MapJoin把小表全部加载到内存在map端进行join,避免reducer处理。
实则分析
上以为小表join大表的操作,可以使用mapjoin把小表放到内存中处理,语法很简单只需要增加 /*+ MAPJOIN(pt) */ ,把需要分发的表放入到内存中
这种用在出现数据倾斜时经常使用
参数说明:
1)如果是小表,自动选择Mapjoin:
2)大表小表的阀值:
默认值是25mb
3)map join做group by 操作时,可以使用多大的内存来存储数据,如果数据太大,则不会保存在内存里
4)本地任务可以使用内存的百分比
hive使用技巧(一)自动化动态分配表分区及修改hive表字段名称
hive使用技巧(二)——共享中间结果集
hive使用技巧(三)——巧用group by实现去重统计
hive使用技巧(四)——巧用MapJoin解决数据倾斜问题
Hive使用技巧(五)—— 一行转多行,多行转一行
Hive的MapJoin,在Join 操作在 Map 阶段完成,如果需要的数据在 Map 的过程中可以访问到则不再需要Reduce。
小表关联一个超大表时,容易发生数据倾斜,可以用MapJoin把小表全部加载到内存在map端进行join,避免reducer处理。
实则分析
select c.channel_name,count(t.requesturl) PV from ods.cms_channel c join (select host,requesturl from dms.tracklog_5min where day='20151111' ) t on c.channel_name=t.host group by c.channel_name order by c.channel_name;
上以为小表join大表的操作,可以使用mapjoin把小表放到内存中处理,语法很简单只需要增加 /*+ MAPJOIN(pt) */ ,把需要分发的表放入到内存中
select /*+ MAPJOIN(c) */ c.channel_name,count(t.requesturl) PV from ods.cms_channel c join (select host,requesturl from dms.tracklog_5min where day='20151111' ) t on c.channel_name=t.host group by c.channel_name order by c.channel_name;
这种用在出现数据倾斜时经常使用
参数说明:
1)如果是小表,自动选择Mapjoin:
set hive.auto.convert.join = true; # 默认为false该参数为true时,Hive自动对左边的表统计量,如果是小表就加入内存,即对 小表使用Map join
2)大表小表的阀值:
set hive.mapjoin.smalltable.filesize;hive.mapjoin.smalltable.filesize=25000000
默认值是25mb
3)map join做group by 操作时,可以使用多大的内存来存储数据,如果数据太大,则不会保存在内存里
set hive.mapjoin.followby.gby.localtask.max.memory.usage;默认值:0.55
4)本地任务可以使用内存的百分比
set hive.mapjoin.localtask.max.memory.usage;默认值: 0.90
相关文章推荐
- 自定义ViewGroup打造微信朋友圈之九宫图效果
- windows media player 播放视频
- Android 开源项目分类汇总(上)
- yum安装日志
- size 查看程序内存映像大小
- Android 操作SQLite基本用法
- Opensuse 改变Zotero默认的阅读器 default PDF reader
- WKWebView ignores NSURLRequest body
- android: 服务的生命周期
- iOS编程的独特之处
- hdu 3068 最长回文(manachar模板)
- VS2013中安装配置和使用Boost库
- JQuery插件--什么?你还不会写JQuery 插件
- Activity是如何接收到touch事件的(窗口与用户输入系统)
- SpringMVC+Ibatis 临时表
- iOS quartzCore第七章—— CAScrollLayer的运用
- wget 文件下载
- Region区域
- Xcode7.3更新插件失效解决办法
- Qt foreach用法