第一：在map端產(chǎn)生join

mapJoin的主要意思就是，當(dāng)鏈接的兩個(gè)表是一個(gè)比較小的表和一個(gè)特別大的表的時(shí)候，我們把比較小的table直接放到內(nèi)存中去，然后再對(duì)比較大的表格進(jìn)行map操作。join就發(fā)生在map操作的時(shí)候，每當(dāng)掃描一個(gè)大的table中的數(shù)據(jù)，就要去去查看小表的數(shù)據(jù)，哪條與之相符，繼而進(jìn)行連接。這里的join并不會(huì)涉及reduce操作。map端join的優(yōu)勢(shì)就是在于沒(méi)有shuffle，真好。在實(shí)際的應(yīng)用中，我們這樣設(shè)置： [sql]?view plain?copy

1. set?hive.auto.convert.join=true;??

? ? ? ? ? 這樣設(shè)置，hive就會(huì)自動(dòng)的識(shí)別比較小的表，繼而用mapJoin來(lái)實(shí)現(xiàn)兩個(gè)表的聯(lián)合。看看下面的兩個(gè)表格的連接。這里的dept相對(duì)來(lái)講是比較小的。我們看看會(huì)發(fā)生什么，如圖所示：
? ? ? ? ? ?? 注意看啦，這里的第一句話(huà)就是運(yùn)行本地的map join任務(wù)，繼而轉(zhuǎn)存文件到XXX.hashtable下面，在給這個(gè)文件里面上傳一個(gè)文件進(jìn)行map join，之后才運(yùn)行了MR代碼去運(yùn)行計(jì)數(shù)任務(wù)。說(shuō)白了，在本質(zhì)上mapjoin根本就沒(méi)有運(yùn)行MR進(jìn)程，僅僅是在內(nèi)存就進(jìn)行了兩個(gè)表的聯(lián)合。具體運(yùn)行如下圖：

? ? ? ? ? ? ? ? ? ? ?第二：common join

common join也叫做shuffle join，reduce join操作。這種情況下生再兩個(gè)table的大小相當(dāng)，但是又不是很大的情況下使用的。具體流程就是在map端進(jìn)行數(shù)據(jù)的切分，一個(gè)block對(duì)應(yīng)一個(gè)map操作，然后進(jìn)行shuffle操作，把對(duì)應(yīng)的block shuffle到reduce端去，再逐個(gè)進(jìn)行聯(lián)合，這里優(yōu)勢(shì)會(huì)涉及到數(shù)據(jù)的傾斜，大幅度的影響性能有可能會(huì)運(yùn)行speculation，這塊兒在后續(xù)的數(shù)據(jù)傾斜會(huì)講到。因?yàn)槠匠Ｎ覀冇玫降臄?shù)據(jù)量小，所以這里就不具體演示了。 第三：SMBJoin smb是sort ?merge bucket操作，首先進(jìn)行排序，繼而合并，然后放到所對(duì)應(yīng)的bucket中去，bucket是hive中和分區(qū)表類(lèi)似的技術(shù)，就是按照key進(jìn)行hash，相同的hash值都放到相同的buck中去。在進(jìn)行兩個(gè)表聯(lián)合的時(shí)候。我們首先進(jìn)行分桶，在join會(huì)大幅度的對(duì)性能進(jìn)行優(yōu)化。也就是說(shuō)，在進(jìn)行聯(lián)合的時(shí)候，是table1中的一小部分和table1中的一小部分進(jìn)行聯(lián)合，table聯(lián)合都是等值連接，相同的key都放到了同一個(gè)bucket中去了，那么在聯(lián)合的時(shí)候就會(huì)大幅度的減小無(wú)關(guān)項(xiàng)的掃描。 具體的看看一個(gè)例子： 首先設(shè)置如下： [sql]?view plain?copy

1. set?hive.auto.convert.sortmerge.join=true;??
2. set?hive.optimize.bucketmapjoin?=?true;??
3. set?hive.optimize.bucketmapjoin.sortedmerge?=?true;??
4. set?hive.auto.convert.sortmerge.join.noconditionaltask=true;??

[sql]?view plain?copy

1. create?table?emp_info_bucket(ename?string,deptno?int)??
2. partitioned?by?(empno?string)??
3. clustered?by(deptno)?into?4?buckets;??
4. ??
5. insert?overwrite?table?emp_info_bucket??
6. partition?(empno=7369)??
7. select?ename?,deptno?from?emp??
8. ??
9. create?table?dept_info_bucket(deptno?string,dname?string,loc?string)??
10. clustered?by?(deptno)?into?4?buckets;??
11. ??
12. insert?overwrite?table?dept_info_bucket??
13. select?*?from?dept;??

[sql]?view plain?copy

1. select?*?from?emp_info_bucket?emp??join?dept_info_bucket?dept??
2. on(emp.deptno==dept.deptno);//正常的情況下，應(yīng)該是啟動(dòng)smbjoin的但是這里的數(shù)據(jù)量太小啦，還是啟動(dòng)了mapjoin?

轉(zhuǎn)載于:https://www.cnblogs.com/HHR-SUN/p/10531341.html

總結(jié)

以上是生活随笔為你收集整理的hive的join的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。