oracleSQL 转 SPARKSQL(hiveSql) 及常用优化
Posted 微威
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了oracleSQL 转 SPARKSQL(hiveSql) 及常用优化相关的知识,希望对你有一定的参考价值。
背景
数据处理平台从oracle迁移到hadoop平台后,原有的数据处理过程需要改写为sparkSql。由于sparkSql执行环境和数据的不确定,经常有资源竞争导致处理过程意外停止,数据倾斜导致任务执行失败。 为减少出错概率,需要对sparkSql进行规范与优化。
转换
- exist 转换 为 left sime join,left sime join不会因为右表有重复而数据增加。
- from table1, table2,table3 转为 inner join ,使用join 会更清晰的分辨表连接是否充分,以免笛卡尔积引起集群资源浪费。
- decode()转为 case when
- 在使用union all 时 ,sql编译出错, 需要指定数据类型如: cast(abe001 as double)
- 分清count(columnName)意义 ,尽量使用sum替换count
- oracle form前的子查询必须放在join 之后
- 时间格式请使用"yyyy-MM-dd HH:mm:ss",YYYY表示当天所在的周的年份可能结果不是想要的,hh是12小时制,在对时间做计算是会出错。
- 在对字符串的数字做比较是请转为 int或 double型,如果数据中与非数字字符或导致按字符串的方式比较大小。
- sql对 大数 经行字符处理时,注意可以会被转成科学计数法。
x. 在对字符或时间做处理时,请先使用select 查看处理结果,以免出现不想要的结果。
数据倾斜
数据倾斜报错
通常数据倾斜有以下几种现象:
- java.util.concurrent.TimeoutException: Futures timed out after [300 seconds]
- spark监控有一个或几个task始终执行不完
- 有execute 报 内存溢出
- 表连接不足,产生笛卡尔积
优化SQl点
1.检查group by 字段是否全为一个值或空, 从group中移除只用一个值得字段
2. sql使用大表反复关联小表如:
) a
left join (select m.aaa102,m.aaa103 from database.aa11 m where m.aaa100 = ‘AAC004‘) c
on a.AAC004 = c.aaa102
left join (select m.aaa102,m.aaa103 from database.aa11 m where m.aaa100 = ‘AAC011‘) d
on a.aac011 = d.aaa102
left join (select m.aaa102,m.aaa103 from database.aa11 m where m.aaa100 = ‘YAB019‘) e
on a.yab019 = e.aaa102
left join (select m.aaa102,m.aaa103 from database.aa11 m where m.aaa100 = ‘AAB019‘) f
on a.aab019 = f.aaa102
left join (select m.aaa102,m.aaa103 from database.aa11 m where m.aaa100 = ‘YAB003‘) g
on a.aab301 = g.aaa102
left join (select m.aaa102,m.aaa103 from database.aa11 m where m.aaa100 = ‘AAB301‘) h
on a.yac145 = h.aaa102
默认小于150M的表会广播(broacast),如上处理后将不能被广播, 修改为:
) a
left join database.aa11 c
on a.AAC004 = c.aaa102 and c.aaa100 = ‘AAC004‘
left join database.aa11 d
on a.aac011 = d.aaa102 and d.aaa100 = ‘AAC011‘
left join database.aa11 e
on a.yab019 = e.aaa102 and e.aaa100 = ‘YAB019‘
left join database.aa11 f
on a.aab019 = f.aaa102 and f.aaa100 = ‘AAB019‘
left join database.aa11 g
on a.aab301 = g.aaa102 and g.aaa100 = ‘YAB003‘
left join database.aa11 h
on a.yac145 = h.aaa102 and h.aaa100 = ‘AAB301‘
- Or 复制条件语句 最好拆分成 union
- 使用 join 单表连接 排查连接条件
以上是关于oracleSQL 转 SPARKSQL(hiveSql) 及常用优化的主要内容,如果未能解决你的问题,请参考以下文章