hive数据倾斜大多是因为主键分布不均,节点之间的数据量差异太大。所以解决方法都是围绕如何分散倾斜的数据(也就是均匀分配主键key值)
first:一般都是一些Map Join,Bucket Map Join,SMB Join.一般这些不需要考虑,这些配置文件基本上中台都会配置,用不到自己去操作。
second:①key值分配不均匀
加盐操作:
1.与另一个字段组合如学号组成新字段,按新字段分组
2.使用随机数与性别做组合,形成新字段,按新字段分组
两种方法目的一样,都是让数据能够分散到不同的节点中,保证相对均衡
②key空值太多
1.主键为空的数据先不参与计算,最后使用union all 进行合并
2.给空值分配随机的key值,可以分配平均数,随机数,中位数,但是空值大多为主键,用concat其他列,hash值就不一样。(用新生成的一列为主键,原字段不做更改)