大数据学习14:Hive中Join的原理和机制
来源:互联网 发布:分级基金 知乎 编辑:程序博客网 时间:2024/05/02 12:59
Hive中Join的原理和机制
转自:http://lxw1234.com/archives/2015/06/313.htm
笼统的说,Hive中的Join可分为Common Join(Reduce阶段完成join)和Map Join(Map阶段完成join)。本文简单介绍一下两种join的原理和机制。
Hive Common Join
如果不指定MapJoin或者不符合MapJoin的条件,那么Hive解析器会将Join操作转换成Common Join,即:在Reduce阶段完成join.
整个过程包含Map、Shuffle、Reduce阶段。
- Map阶段
读取源表的数据,Map输出时候以Join on条件中的列为key,如果Join有多个关联键,则以这些关联键的组合作为key;
Map输出的value为join之后所关心的(select或者where中需要用到的)列;同时在value中还会包含表的Tag信息,用于标明此value对应哪个表;
按照key进行排序
- Shuffle阶段
根据key的值进行hash,并将key/value按照hash值推送至不同的reduce中,这样确保两个表中相同的key位于同一个reduce中
- Reduce阶段
根据key的值完成join操作,期间通过Tag来识别不同表中的数据。
以下面的HQL为例,图解其过程:
SELECTa.id,a.dept,b.age FROM a join b ON (a.id = b.id);
看了这个图,应该知道如何使用MapReduce进行join操作了吧。
Hive Map Join
MapJoin通常用于一个很小的表和一个大表进行join的场景,具体小表有多小,由参数hive.mapjoin.smalltable.filesize来决定,该参数表示小表的总大小,默认值为25000000字节,即25M。
Hive0.7之前,需要使用hint提示 /*+ mapjoin(table) */才会执行MapJoin,否则执行Common Join,但在0.7版本之后,默认自动会转换Map Join,由参数hive.auto.convert.join来控制,默认为true.
仍然以9.1中的HQL来说吧,假设a表为一张大表,b为小表,并且hive.auto.convert.join=true,那么Hive在执行时候会自动转化为MapJoin。
- 如图中的流程,首先是Task A,它是一个Local Task(在客户端本地执行的Task),负责扫描小表b的数据,将其转换成一个HashTable的数据结构,并写入本地的文件中,之后将该文件加载到DistributeCache中,该HashTable的数据结构可以抽象为:
图中红框圈出了执行Local Task的信息。
- 接下来是Task B,该任务是一个没有Reduce的MR,启动MapTasks扫描大表a,在Map阶段,根据a的每一条记录去和DistributeCache中b表对应的HashTable关联,并直接输出结果。
- 由于MapJoin没有Reduce,所以由Map直接输出结果文件,有多少个Map Task,就有多少个结果文件。
- 大数据学习14:Hive中Join的原理和机制
- Hive中Join的原理和机制
- [一起学Hive]之十-Hive中Join的原理和机制
- [一起学Hive]之十-Hive中Join的原理和机制
- [一起学Hive]之十-Hive中Join的原理和机制
- Hive基础二(join原理和机制,join的几种类型,数据倾斜简单处理)
- 大数据的仓库Hive原理(三)
- 大数据Spark “蘑菇云”行动第89课:Hive中GroupBy优化、Join的多种类型实战及性能优化、OrderBy和SortBy、UnionAll等实战和优化
- 大数据学习25:Hive 中 distribute by 的测试
- Hive中Join的使用入门 & Common Join与Map Join原理深度剖析
- [Hive]Hive数据倾斜(大表join大表)
- 大数据Spark “蘑菇云”行动第106课:Hive源码大师之路第四步:Hive中GroupBy和各种类型Join源码剖析
- hive中join导致的数据倾斜问题排查
- 大数据的仓库Hive学习(一)
- 大数据学习之Hive的安装
- HIVE中Join的专题---Join详解
- 大数据--hive学习(1)--hive的简单认识
- Hive中的join操作原理和优化
- 创建数据库用户
- Volley源码解析
- (运输层)TCP的拥塞控制
- Android/ios 网页中跳转到 app
- myeclipse安装及破解
- 大数据学习14:Hive中Join的原理和机制
- angular2向组件中传值的问题
- Codeforces Round #434 k-rounding
- iOS银行卡验证
- 测试入门之缺陷管理
- HDU 6214 Smallest Minimum Cut 最小割(isap)
- C语言
- 9月18日云栖精选夜读:「阿里巴巴编码规范(Java版)」认证考试出炉!你考过了吗?
- 数据结构Java实现01----算法概述