如何避免因空值或者无意义的异常值引起的数据倾斜?
首先查看是否是这些值导致的倾斜,用select key,count(1) from table group by key。
如果是的话,解决方法为
在on时,如下写:
首先查看是否是这些值导致的倾斜,用select key,count(1) from table group by key。
如果是的话,解决方法为
在on时,如下写:
on case when length(a.key)符合异常条件 then concat(a.key,rand()) else a.key end =b.key;
注意只有空值和异常值才能这样解决,因为加了随机数之后会导致join不上,而这些无意义的值本来就不需要join。
另外,对于有意义的值如何解决呢?目前只想到两点:1 把这些值摘出来,单独处理 2 用桶,不知道是否准确,没测试过。
关于桶的用法:
create table tmp.商品扩展2
(商家_id bigint,店铺_id bigint,商品_id,其它信息)
clustered by (商家_id,店铺_id) into 10 buckets;
先建表,后插入