Hive Common Join VS Map Join

最新推荐文章于 2024-10-13 15:29:56 发布

A_ChunUnique

最新推荐文章于 2024-10-13 15:29:56 发布

阅读量664

点赞数

CC 4.0 BY-SA版权

分类专栏： Hive 文章标签： hive

本文链接：https://blog.youkuaiyun.com/Gavin_chun/article/details/78055694

Hive 专栏收录该内容

15 篇文章

订阅专栏

本文介绍了Hive中的两种Join方法：CommonJoin与MapJoin，并详细解释了各自的实现原理、优缺点及应用场景。CommonJoin通过shuffle过程连接多表，适用于任意规模的数据表；而MapJoin则通过将小表加载至内存中实现快速连接，适用于大表与小表的连接场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

以下是个人理解，如有偏差，望大家多多指点！

一、Common Join（也称之为shufflejoiin/reducejoin）
1、Common Join图解
这里写图片描述
a>首先会启动一个Task，Mapper会去读表HDFS上两张X/Y表中的数据
b>Mapper处理过数据再经过shuffle处理
c>最后由reduce输出join结果

2、举例

Table A
ID	NAME
1	zhangsan
2	lisi
3	wangwu

Table B
ID	AGE
1	30
2	21
4	19

a>mapper读取A/B表数据
A表
<1,(zhangsan)>
<2,(lisi)>
<3,wangwu>
B表
<1,(30)>
<2,21>
<4,19>
b>shuffle处理map结果
<1,(zhangsan,30)>
<2,(lisi,21)>
<3,(wangwu)>
<4,(19)>
c>reduc输出结果
1,(zhangsan,30)
2,(lisi,21)
3,(wangwu)
4,(19)
3、缺点
1、存在shuffle过程，效率低
2、每张表都要去磁盘读取，磁盘IO大

二、 Map Join
1、 Map Join图解
这里写图片描述

a>mapjoin首先会通过本地MapReduce Task将要join的小表转成Hash Table Files，然后加载到分布式缓存中
b>Mapperh会去缓存中读取小表数据来和Big Table数据进行join
c>Map直接给出结果

2、优点
没有shuffle/Reduce过程，效率提高

3、缺点
由于小表都加载到内存当中，读内存的要求提高了

三、通过执行计划来判断是何种Join方式
1、通过explain关键字查看join方式，mapjoin是没有Reduce过程的。

explain select  e.empno, e.ename, d.dname from emp e join dept d on e.deptno=d.deptno;

2、参数
hive.auto.convert.join （默认值false）参数控制是否Reduce 端的 Common Join 转化为 Map Join
所以测试Map Join需要将此参数设置为true

set hive.auto.convert.join=true;