Hive Map Join
Posted
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Hive Map Join相关的知识,希望对你有一定的参考价值。
Hive中的Map Join即map side join工作原理是在Map端把小表加载到内存中,然后读取大表,和内存中的小表完成连接操作。MapJoin使用了分布式缓存技术。
Map Join的优点:
1.不消耗集群的reduce资源。
2.减少了reduce操作,加快了程序执行。
3.降低网络负载。
Map Join的缺点:
1.占用内存(所以加载到内存中的表不能过大,因为每个计算节点都会加载一次)。
2.生成较多的小文件。
我们有如下两种方式来执行Map Join:
1.配置一下参数,Hive会自动根据SQL选择common join或者是Map Join。
- hive (hive)> set hive.auto.convert.join=true;
- hive (hive)> set hive.mapjoin.smalltable.filesize=25000000;(默认值就是25MB)
2.我们还可以手动指定使用Map join:
- hive (hive)> select /*+mapjoin(post)*/ user.id,user.name,post.pid,post.title from user
- > join post
- > on user.id = post.uid;
注:上述语句中的/*+mapjoin(表名)*/是语法格式,不是注释符号。
查询结果如下:
- id name pid title
- 1 lavimer 1 Thinking in Java
- 1 lavimer 2 Thinking in Hadoop
- 2 liaozhongmin 3 Thinking in C
注:查询结果是和common join是一致的,但是Map join的效率高,因为它不走Reduce任务了,直接使用Map任务处理。
以上是关于Hive Map Join的主要内容,如果未能解决你的问题,请参考以下文章