sparksql Cannot broadcast the table over xxx

本文介绍了一种SparkSQL中处理大量数据(超过3亿行)时遇到的广播限制问题,通过将in操作转换为semijoin来避免广播,从而成功优化查询性能。关键在于理解广播限制及其解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

问题描述:

执行SparkSQL报错:

Caused by: org.apache.spark.SparkException: Cannot broadcast the table over 357913941 rows: 3942700700 rows. 

检查SQL中没有join操作

解决方法:

报错sql:

select * from table_a where table_a.id in (select id from table_b);

将sql中使用的过滤条件in (select id from table_b) 修改为使用semi join的方式实现

select * from table_a semi join table_b on table_a.id = table_b.id;

问题解决.

使用in过滤时后面的集合不适合太大,需要小到可以广播(broadcast)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

CoderFusionZhu

不要打赏太多哦!我喝速溶就行

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值