第九章 Hive企業級調優之小表 大表Join

將key相對分散，並且資料量小的表放在join的左邊，這樣可以有效減少記憶體溢位錯誤發生的機率；再進一步，可以使用map join讓小的維度表（1000條以下的記錄條數）先進記憶體。在map端完成reduce。

實際測試發現：新版的hive已經對小表join大表和大表join小表進行了優化。小表放在左邊和右邊已經沒有明顯區別。

案例實操

1．需求

測試大表join小表和小表join大表的效率

2．建大表、小表和join後表的語句

// 建立大表

create

table bigtable(id bigint
,time
bigint
, uid string, keyword string, url_rank int
, click_num int
, click_url string)
row format delimited fields
terminated
by'\t'
;

create

table smalltable(id bigint
,time
bigint
, uid string, keyword string, url_rank int
, click_num int
, click_url string)
row format delimited fields
terminated
by'\t'
;

create

table jointable(id bigint
,time
bigint
, uid string, keyword string, url_rank int
, click_num int
, click_url string)
row format delimited fields
terminated
by'\t'
;

hive (

default
)>
load
data
local inpath '/opt/module/datas/bigtable'
into
table bigtable;
hive (
default
)>
load
data
local inpath '/opt/module/datas/smalltable'
into
table smalltable;

set hive.auto.convert.join = false;

insert overwrite table jointable

select b.id, b.
time
, b.uid, b.keyword, b.url_rank, b.click_num, b.click_url
from smalltable s
left
join bigtable b
on b.id = s.id;
time taken: 35.921 seconds
norows affected (
44.456 seconds)

insert overwrite table jointable

select b.id, b.
time
, b.uid, b.keyword, b.url_rank, b.click_num, b.click_url
from bigtable b
left
join smalltable s
on s.id = b.id;
time taken: 34.196 seconds
norows affected (
26.287 seconds)

第九章 Hive企業級調優之動態分割槽調整

關係型資料庫中，對分割槽表insert資料時候，資料庫自動會根據分割槽欄位的值，將資料插入到相應的分割槽中，hive中也提供了類似的機制，即動態分割槽 dynamic partition 只不過，使用hive的動態分割槽，需要進行相應的配置。1 開啟動態分割槽引數設定 1 開啟動態分割槽功能 預設t...

第九章 Hive企業級優化之推測執行

在分布式集群環境下，因為程式bug 包括hadoop本身的bug 負載不均衡或者資源分布不均等原因，會造成同乙個作業的多個任務之間執行速度不一致，有些任務的執行速度可能明顯慢於其他任務 比如乙個作業的某個任務進度只有50 而其他所有任務已經執行完畢 則這些任務會拖慢作業的整體執行進度。為了避免這種情...

第九章 Hive企業級優化之並行執行

hive會將乙個查詢轉化成乙個或者多個階段。這樣的階段可以是mapreduce階段 抽樣階段 合併階段 limit階段。或者hive執行過程中可能需要的其他階段。預設情況下，hive一次只會執行乙個階段。不過，某個特定的job可能包含眾多的階段，而這些階段可能並非完全互相依賴的，也就是說有些階段是可...