在优化一个使用4W个map的job的时候,发现了一个使用hive的注意点,跟大家分享下。
hive表中一般都有分区,在程序里我们会动态取某个分区里的数据,这时分区值就是一个函数。这个函数的选择就是关键了。
优化前的分区函数是: dt = date_sub(from_unixtime(unix_timestamp(), 'yyyy-MM-dd'), 2) (水平有限,当时就这么写了)
,map数:4W+
优化后的分区函数是:dt = sysdate( - 2) (日期处理函数),
map数:860
之前map数过多是否是搂了很多分区,这个还不太确定,有哪位大神知道,麻烦告诉我下。
代码与业务有关,就不方便放这了。