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。

 

[java] view plain copy
 
  1. hive (hive)> set hive.auto.convert.join=true;  
  2. 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:

 

[java] view plain copy
 
  1. hive (hive)> select /*+mapjoin(post)*/ user.id,user.name,post.pid,post.title from  user  
  2.            > join post  
  3.            > 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:

 

[java] view plain copy
 
  1. id  name    pid title  
  2. 1   lavimer 1   Thinking in Java  
  3. 1   lavimer 2   Thinking in Hadoop  
  4. 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

hive 使用 map 类型字段

hive设置map和reduce数量

hive如何调整map数和reduce数

hive、pig、map-reduce 用例之间的区别

hive优化之------控制hive任务中的map数和reduce数

hive优化之——控制hive任务中的map数和reduce数