1、join
SELECT pv.pageid, u.age
FROM page_view pv
JOIN user u ON pv.userid = u.userid ;
实现过程:
1)Map:
-
以 JOIN ON 条件中的列作为 Key,如果有多个列,则 Key 是这些列的组合
-
以 JOIN 之后所关心的列作为Value,当有多个列时,Value 是这些列的组合。在 Value 中还会包含表的 Tag信息,用于标明此 Value 对应于哪个表
-
按照 Key 进行排序
2)Shuffle:
- 根据 Key 的值进行 Hash,并将 Key/Value 对按照 Hash 值推至不同对 Reduce 中
3)Reduce:
- Reducer 根据 Key 值进行 Join 操作,并且通过 Tag 来识别不同的表中的数据
2、Group By
SELECT pageid, age, count(1)
FROM pv_users
GROUP BY pageid, age;
实现过程:
3、Distinct
SELECT age, count(distinct pageid)
FROM pv_users
GROUP BY age;
实现过程: