【Hive】SQL执行原理

Join 的实现原理

以下面这个 SQL 为例,讲解 join 的实现:

select u.name, o.orderid from order o join user u on o.uid = u.uid; 

在 map 的输出 value 中为不同表的数据打上 tag 标记,在 reduce 阶段根据 tag 判断数据来源。MapReduce 的过程如下:
在这里插入图片描述
MapReduce CommonJoin 的实现

group by

原理
将group by 的字段 作为key,即groupBy_key 。在shuffle阶段,groupBy_key作为shuffle阶段的key,进行hash分区。

select 
	user.gender,
	count(1) 
from user 
group by gende

在这里插入图片描述

group by导致数据倾斜

groupBy_key % reduceTaskNum 不均匀会导致某些reduceTask数据量大,从而导致数据倾斜;

优化手段1:预聚合

配置: hive.map.aggr=true
该参数控制在group by的时候是否map局部聚合,这个参数默认是打开的。


适用场景:

  • 聚合方式不影响业务逻辑(count\sum\min\max\) (count distinct 会关闭预聚合)
  • groupBy_key 重复越多效果越好;如果groupBy_key是唯一键,开启此参数没有意义,并且造成计算资源的浪费。

相关参数:

  • hive.groupby.mapaggr.checkinterval = 100000
  • Hive.map.aggr.hash.min.reduction=0.5

上面这两个参数控制关掉map聚合的策略。Map开始的时候先尝试给前100000 条记录做hash聚合,如果聚合后的记录数/100000>0.5说明这个groupby_key没有什么重复的,再继续做局部聚合没有意义,在聚合100000 以后就自动把预聚合开关关掉,降级到普通的Aggregation。

Distinct 的实现原理

distinct全局去重 预聚合无法使用

select 
	gender,
	count(distinct id) 
from user
group by gender

由于map需要保存所有的userid,map聚合开关会自动关掉,导致出现计算不均衡的现象,只有2个redcue做聚合,每个reduce处理100亿条记录。

1. 只有一个distinct 字段

select 
	dealid, 
	count(distinct uid) num 
from order 
group by dealid;

在这里插入图片描述

  1. 跟去GroupBy字段作为shuffle Key进行分区
  2. 将GroupBy字段和Distinct字段 作为reduce的key,在reduce阶段保存LastKey即可完成去重。

2.多个distinct字段

select 
	dealid, 
	count(distinct uid), 
	count(distinct date) 
from order 
group by dealid;

本质和单个distinct字段是一样的,只不过是经过处理后才能达到和单个distinct同样的效果:

  • 对所有的distinct字段编号,这样的话每行数据会生成n行数据;
  • 然后groupByKey + 编号 + distinctKey 作为Map的输出key,那么相同字段就会分别排序
  • 同时groupByKey + 编号 + distinctKey 作为reduce的key,这时只需要在reduce阶段记录LastKey即可去重。
    在这里插入图片描述

以下面这个 SQL 为例,讲解 distinct 的实现:

 select dealid, count(distinct uid) num from order

当只有一个 distinct 字段时,如果不考虑 Map 阶段的 Hash GroupBy,只需要将 GroupBy 字段和 Distinct 字段组合为 map 输出 key,利用 mapreduce 的排序,同 时将 GroupBy 字段作为 reduce 的 key,在 reduce 阶段保存 LastKey 即可完成去 重

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值