文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

Hive中如何使用MAP JOIN

2023-06-03 01:21

关注

这篇文章给大家分享的是有关Hive中如何使用MAP JOIN的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。

Hive中简介及使用MAP JOIN

   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mapjoin的原理和机制。

一、MAP JOIN图
Hive中如何使用MAP JOIN
二、概述
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 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.
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。

三、测试
1、两表关联:

点击(此处)折叠或打开

  1. select e.empno,e.ename,e.deptno,d.deptno,d.dname from emp e join dept d on e.deptno = d.deptno;

   条件:emp表数据为1000条,dept表数据为100条;
   说明:执行时间mapjoin会通过元数据(metadata)进行查找,发现是否存在小表(根据hive.mpajoin.samlltable.filesize参数设置,判断是否为小表。此参数默认25M)。
         存在小表时将先行进行小表加载到内存中,即dept表,如上HQL语句将dept表加载至内存中,最后再用emp表中数据一条一条与内存中数据进行关联查询。

2、多表关联
   条件:emp表数据为1000条,dept表数据为100条,emp_partition表数据为500条;

点击(此处)折叠或打开

  1. select e.empno,e.ename,e.deptno,d.deptno,d.dname from emp e join dept d join emp_partition c on e.deptno = d.deptno and e.empno = c.empno;

   说明:执行时间mapjoin会通过元数据(metadata)进行查找,发现是否存在小表(根据hive.mpajoin.samlltable.filesize参数设置,判断是否为小表。此参数默认25M)。
         存在小表时将先行进行小表加载到内存中,即dept、emp_partition表,如上HQL语句将dept表加载至内存中,最后再用emp表中数据一条一条与内存中数据进行关联查询。
注:以上可以对照SQL的执行计划或执行日志更详细,后续补充相关截图及说明

四、使用MAPJOIN可解决以下实际问题:
1、有一个极小的表<100行(d表是部门)
2、需要做不等值join操作(a.x<b.y或者a.x like="" b.y等)。普通join语法不支持不等于操作,hive语法解析会直接抛出错误。="" 五、相关参数

点击(此处)折叠或打开

  1. 小表自动选择Mapjoin

  2. set hive.auto.convert.join=true;

  3. 默认值:false。该参数为true时,Hive自动对左边的表统计量,若是小表就加入内存,即对小表使用Map join

  4. 小表阀值

  5. set hive.mapjoin.smalltable.filesize=25000000;

  6. 默认值:25M

  7. hive.smalltable.filesize (replaced by hive.mapjoin.smalltable.filesize in Hive 0.8.1)

  8. map join做group by操作时,可使用多大的内存来存储数据。若数据太大则不会保存在内存里

  9. set hive.mapjoin.followby.gby.localtask.max.memory.usage;

  10. 默认值:0.55

  11. 本地任务可以使用内存的百分比

  12. set hive.mapjoin.localtask.max.memory.usage;

  13. 默认值:0.90

感谢各位的阅读!关于“Hive中如何使用MAP JOIN”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯