Hive—mapjoin
说明
hive用的默认计算引擎是mapreduce,且使用的是类SQL查询语言,hive对将SQL语句解析为mapreduce程序运行,简化了开发。
我的hadoop版本是2.9.0,hive版本是1.2.1
原理
hive语句执行顺序:
from … where … select … group by … having … order by … limit …
MapJoin:
MapJoin的原理:
通常情况下,要连接的各个表里面的数据会分布在不同的Map中进行处理。
即同一个Key对应的Value可能存在不同的Map中。这样就必须等到Reduce中去连接。
要使MapJoin能够顺利进行,那就必须满足这样的条件:除了一份表的数据分布在不同的Map中外,
其他连接的表的数据必须在每个Map中有完整的拷贝。
MapJoin适用的场景:
可以解决数据倾斜
通过上面分析你会发现,并不是所有的场景都适合用MapJoin.
它通常会用在如下的一些情景:在二个要连接的表中,有一个很大,有一个很小,这个小表可以存放在内存中而不影响性能。
这样我们就把小表文件复制到每一个Map任务的本地,再让Map把文件读到内存中待用。
所以一般把小表放在左边!
创建表及数据
表anhui_air2