数据库中大表增加字段(含默认值)比较慢,如何解决

今天给一个千万级别的大表添加一个字段执行时特别慢,sql如下:

以sqlserver为例

alter table orderlog add realMoneyTotal [numeric](15, 2) NOT NULL default 0;

执行了几分钟,依然没有执行完成。

修改后sql:

拆分两个sql语句
alter table orderlog add realMoneyTotal [numeric](15, 2) 
alter table orderlog add default (0) for realMoneyTotal

瞬间执行完成了

  • 9
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在 Hive 中进行大表大表之间的 join 操作,通常会面临一些性能瓶颈,例如数据倾斜、处理时间长、内存不足等问题。以下是一些可能的优化方法: 1. 数据倾斜解决方式: 数据倾斜是指某个或某些 key 值的数据量远大于其他值。这种现象会导致计算节点的负载不均衡,从而影响查询性能。解决方法如下: - 增加并行度:可以将任务拆分成多个子任务,并在每个子任务中增加并行度,从而避免负载不均衡的问题。可以通过设置 mapreduce.job.reduces 属性来控制 reduce 的数量,增加并行度。 - 采用随机数打散:可以在数据导入前,对 key 值进行一定程度的随机打散,使得各个 key 值的数据分布更加平均。这样可以避免数据倾斜的问题。 - 采用 bucket:可以在表创建时,通过设置 bucket 数量和 bucket 列,将数据分散到多个 bucket 中。这样可以避免数据倾斜,提高查询性能。 2. 调整 Join 算法: Hive 支持多种 Join 算法,包括 Map Join、Sort Merge Join、Bucket Map Join 等。不同的 Join 算法适用于不同的场景。可以通过调整 Join 算法来提高查询性能。 - Map Join:适用于小表和大表之间的 Join。Map Join 可以将小表直接加载到内存中,然后和大表进行 Join。这样可以避免大量的磁盘读写,提高查询速度。 - Sort Merge Join:适用于两个大表之间的 Join。Sort Merge Join 将两个表分别排序,然后进行 Merge。这样可以有效地减少磁盘读写,提高查询速度。 - Bucket Map Join:适用于两个 bucket 化的大表之间的 Join。Bucket Map Join 将两个表分别按照 bucket 进行 Join。这样可以避免 Shuffle 操作,提高查询速度。 3. 增加内存: 在执行 Join 操作时,需要将数据加载到内存中进行计算。如果内存不足,会导致查询性能降低。可以通过增加节点的内存,来提高查询性能。 4. 调整配置参数: 在执行 Join 操作时,可以通过调整一些配置参数来提高查询性能,例如: - hive.auto.convert.join:设置为 true 后,可以自动将 Join 操作转换为 Map Join 或 Bucket Map Join。 - hive.optimize.skewjoin:设置为 true 后,可以自动检测数据倾斜的情况,并采取相应的优化措施。 - hive.vectorized.execution.enabled:设置为 true 后,可以开启向量化执行,提高查询性能。 总之,针对大表大表之间的 Join 操作,需要根据具体的场景,采取相应的优化措施,从而提高查询性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值