mapjoin顧名思義，就是在map階段進行表之間的連線。而不需要進入到reduce階段才進行連線。這樣就節省了在shuffle階段時要進行的大量資料傳輸。從而起到了優化作業的作用。
即在map 端進行join，其原理是broadcast join，即把小表作為乙個完整的驅動表來進行join操作。通常情況下，要連線的各個表裡面的資料會分布在不同的map中進行處理。即同乙個key對應的value可能存在不同的map中。這樣就必須等到 reduce中去連線。要使mapjoin能夠順利進行，那就必須滿足這樣的條件：除了乙份表的資料分布在不同的map中外，其他連線的表的資料必須在每個map中有完整的拷貝。mapjoin會把小表全部讀入記憶體中，在map階段直接拿另外乙個表的資料和記憶體中表資料做匹配，由於在map是進行了join操作，省去了reduce執行的效率也會高很多。
mapjoin的適用場景如關聯操作中有一張表非常小，.不等值的鏈結操作。通過上面分析你會發現，並不是所有的場景都適合用mapjoin. 它通常會用在如下的一些情景：在二個要連線的表中，有乙個很大，有乙個很小，這個小表可以存放在記憶體中而不影響效能。這樣我們就把小表檔案複製到每乙個map任務的本地，再讓map把檔案讀到記憶體中待用。
1）在map-reduce的驅動程式中使用靜態方法distributedcache.addcachefile()增加要拷貝的小表檔案。 jobtracker在作業啟動之前會獲取這個uri列表，並將相應的檔案拷貝到各個tasktracker的本地磁碟上。
2）在map類的setup方法中使用distributedcache.getlocalcachefiles()方法獲取檔案目錄，並使用標準的檔案讀寫api讀取相應的檔案。
hive內建提供的優化機制之一就包括mapjoin。
在hive v0.7之前，需要給出mapjoin的指示，hive才會提供mapjoin的優化。
hive v0.7之後的版本已經不需要給出mapjoin的指示就進行優化。它是通過如下配置引數來控制的：
hive> set hive.
auto
.convert.join=
true
;
hive 0.11之後，在表的大小符合設定時
hive.
auto
.convert.join.noconditionaltask=
true
,hive.
auto
.convert.join.noconditionaltask.size=
10000
,hive.mapjoin.smalltable.filesize=
25000000
join轉換為map join（認 hive.ignore.mapjoin.hint為true，hive.auto.convert.join為true）,不過hive0.11的 map join bug比較多，可以通過在預設關閉map join convert,在需要時再設定hint：hive.auto.convert.join=false 。hive.ignore.mapjoin.hint=false.
hive v0.12.0版本，預設狀況下mapjoin優化是開啟的。也就是
hive.
auto
.convert.join=
true
hive.mapjoin.smalltable.filesize=
25000000
可以看出map端join是預設開啟的
hive>
set hive.auto.
convert
.join
;hive.auto.
convert
.join
=true
hive>
set hive.mapjoin.smalltable.filesize;
hive.mapjoin.smalltable.filesize=
25000000
reduce階段的
hive> select * from u1 left join u2 on u1.id=u2.id;
query id = root_20201228193725_f83e5aa0-ec9f-
44b3-
8efd-
655d34bbb638
total jobs =
12020-12
-2819:
38:01 starting to launch local task to process map join; maximum memory =
477626368
2020-12
-2819:
38:06 dump the side-table for tag:
1 with group count:
4 into file: file:
/usr/local/hive/iotmp/root/
54f6a901-c015-
4394
-a032-
97f861b9cdb2/hive_2020-12-
28_19-37-
25_392_4405802127612271879-1/
-local-
10004
/hashtable-stage-
3/mapjoin-mapfile01--
.hashtable
2020-12
-2819:
38:06 uploaded 1 file to: file:
/usr/local/hive/iotmp/root/
54f6a901-c015-
4394
-a032-
97f861b9cdb2/hive_2020-12-
28_19-37-
25_392_4405802127612271879-1/
-local-
10004
/hashtable-stage-
3/mapjoin-mapfile01--
.hashtable (
348 bytes)
2020-12
-2819:
38:06 end of local task; time taken:
4.661 sec.
execution completed successfully
mapredlocal task succeeded
launching job 1 out of 1
number of reduce tasks is set to 0 since there's no reduce operator
job running in-process (local hadoop)
2020-12
-2819:
38:24,
939 stage-
3 map =0%
, reduce =0%
2020-12
-2819:
38:26,
089 stage-
3 map =
100%
, reduce =0%
ended job = job_local1658451598_0001
mapreduce jobs launched:
stage-stage-
3: hdfs read:
25 hdfs write:
240 success
total mapreduce cpu time spent:
0 msec
ok1 a null
null
2 b 2 bb
3 c 3 cc
4 d null
null
7 y 7 yy
8 u null
null
null
null
null
null
monkey壓測入門 bug
錯誤1 不是內部或外部命令 c users fudae adb logcat grep start grep 不是內部或外部命令，也不是可執行的程式 或批處理檔案。正確應為adb shell logcat grep start 每次shell後都要用 錯誤2 adb server version 3...
visual studio2013安裝及測試
visual studio2013自同學處拷貝安裝至本機，由於安裝包較大採用了雙重壓縮，解壓時費了點時間，安裝過程更是用了乙個小時之久。1.安裝環境 本機配置 windows8，intel r core tm i5 4200u cpu 1.60ghz 2.30ghz rom 500g 2.安裝版本 ...
HelloSpring spring入門及概述
package com.liqiliang.pojo public class hello public void setstr string str override public string tostring import com.liqiliang.pojo.hello public cla...