hive中常见的问题以及解决方案
1.hive表关联查询,如何解决数据倾斜问题?
倾斜原因:map输出数据按照key的hash分配到reduce中区,由于key分布不均匀,或者业务数据本身问题等造成reduce上的数据量差异过大
解决方案:
(1)参数调节
hive.map.aggr = true
hive.groupby.skuwindata = true
有数据倾斜的时候进行负载均衡,当选项设定位true,生成的查询计划会有两个MR Job。第一个MR Job中,Map的输出结果集合会随机分布到Reduce中,每个Reduce做部分聚合操作,并输出结果,这样处理的结果是相同的Group By Key有可能被分发到不同的Reduce中,从而达到负载均衡的目的;第二个MR Job再根据预处理的数据结果按照Group By Key 分布到 Reduce 中(这个过程可以保证相同的 Group By Key 被分布到同一个Reduce中),最后完成最终的聚合操作。
(2)sql语句调节:
两个表连接时,用小表来驱动达标可以提高系统的执行效率
两表连接时,先执行的是两个表的笛卡尔积,接着是on的条件筛选,然后是join类型外部行的添加
inner join:没区别
left join:应该把大表放在后面
right join:应该把大表放在前面
① 选用join key分布最均匀的表作为驱动表。做好列裁剪和filter操作,以达到两表做join 的时候,数据量相对变小的效果。
② 大小表Join:
使用map
hive中常见的问题以及解决方案
最新推荐文章于 2024-06-02 09:56:09 发布