https://blog.csdn.net/u013850277/article/category/6816431 Hive系列
https://my.oschina.net/leejun2005/blog/98490 Hive 中内部表与外部表的区别与创建方法
https://blog.csdn.net/qq_36743482/article/details/78418343 Hive分区partition详解
https://blog.csdn.net/qq_26937525/article/details/54946281 Hive Dynamic Partition
HIVE 极大表和极小表关联问题:
Hive的Map Join适用于能够在内存中存放下的小表(指表大小小于25M),通过hive.smalltable.filesize定义小表的大小,默认为25M。
Map Join的方法有两种:
1\使用/*+ MAPJOIN(join_table) */来使用map join。
2\执行语句前设置如下参数,当前版本中该值默认为true : set hive.auto.convert.join=true
使用Map Join时没有Reduce任务,而是在Map任务前起了一个MapReduce Local Task,这个Task通过TableScan读取小表内容到本机,在本机以HashTable的形式保存并写入硬盘上传到DFS,并在distributed cache中保存,在Map Task中从本地磁盘或者distributed cache中读取小表内容直接与大表join得到结果并输出。
使用Map Join时需要注意小表不能过大,如果小表将内存基本用尽,会使整个系统性能下降甚至出现内存溢出的异常。