Hive 优化总结
来源:互联网 发布:ubuntu 14.04 u盘制作 编辑:程序博客网 时间:2024/06/01 20:25
1. left semi join
let semi join 只是hive的一种join。
Left Semi-Join是可以高效实现IN/EXISTS子查询的语义。Hive本身是不支持exist和in语句的,以下SQL语义:
(1)SELECT a.key, a.value FROM a WHERE a.key in (SELECT b.key FROM b);
未实现Left Semi-Join之前,Hive实现上述语义的语句是:
hive> select a.key from a left outer join (select distinct key from b) t on a.key = t.key where t.key is not null;<span style="color:#ff0000;"><strong>Total MapReduce jobs = 3</strong></span>
(2)可被替换为Left Semi-Join如下:
hive> select a.key from a left semi join t on a.key = t.key;<span style="color:#ff0000;"><strong>Total MapReduce jobs = 1</strong></span>
这一实现减少至少1次MapReuduce过程,注意Left Semi-Join的Join条件必须是等值,本例中减少了两个。
Map/Reduce 实现:两个表数据都流向Reduce端之后,只要判断某个join key的group(iterator)里面是否带有tag 为b表的记录,如果有显示exist。所以Map/Reduce 实现起来比较简单。
2. 空值处理
如果两个表join时,某个表的join key 上有大量空值,这样会造成reduce skew
解决方法一,在join前先过滤掉
select a.key,b.key from a join b on (a.key = b.key and b.key is not null)
解决方法二,把空值变为随机值
selecta.uid from a aleftouter join b b.uid = case when a.uid is nullor length(a.uid)=0then concat('rd_sid',rand())else a.uid end;
- hive优化总结
- hive优化总结
- hive查询优化总结
- hive查询优化总结
- Hive优化总结
- hive查询优化总结
- hive优化总结
- 【转】hive优化总结
- Hive优化总结
- hive优化要点总结
- Hive优化总结
- Hive优化总结
- Hive优化总结
- hive查询优化总结
- hive优化总结
- Hive 优化总结
- Hive 查询优化总结
- hive 作业优化总结
- java.lang.OutOfMemoryError处理错误
- 关于jquery插件datatables的简单应用
- hdu 1431 素数回文
- java中Comparator的用法
- Jsonconfig 设置属性删除,JsonValueProcessor 自定义格式化时间格式
- Hive 优化总结
- AS3.0压缩处理FZip
- 建立一个rospkg
- jquery根据id删除元素
- 南昌米粉的做法
- JS弹出窗、弹出层组件,ymPrompt V4.0使用简介
- 移动产品-体验设计
- 说说Lib和Dll
- 网站设计高性能高并发