勾叔今日带来腾讯面试题:说一下Hive怎么优化?
遇到这个问题,怎么作答? 下面这些要点大家可以收藏下。
01. 问题分析
这个考察对Hive的深入的理解,直接说明Hive如何优化就可以。
02. 核心问题回答
a)MapJoin
如果不指定MapJoin或者不符合MapJoin的条件,那么Hive解析器会将Join操作转换成Common Join,
即:在Reduce阶段完成Join。容易发生数据倾斜。可以用MapJoin把小表全部加载到内存在map端进行Join,避免Reducer处理。
b)行列过滤
列处理:在SELECT中,只拿需要的列,如果有,尽量使用分区过滤,少用SELECT *。
行处理:在分区剪裁中,当使用外关联时,如果将副表的过滤条件写在Where后面,那么就会先全表关联,之后再过滤。
c)采用分桶技术
d)采用分区技术
e)合理设置Map数
通常情况下,作业会通过Input的目录产生一个或者多个Map任务。
主要的决