Yuan_CSDF的博客

原始数据： name class s a1 2 74 a2 1 95 a3 1 95 a4 1 80 a5 2 92 a6 3 99 a7 3 99 a8 3 ...

一.表连接： 1.将大表放后头 Hive假定查询中最后的一个表是大表。它会将其它表缓存起来，然后扫描最后那个表。 因此通常需要将小表放前面，或者标记哪张表是大表：/*streamtable(table_name) */。否则会引起磁盘和内存的大量消耗。 2. 使用相同的连接键 当对3个或者更多个表进行join连接时，如果每个on子句都使用相同的连接键的话，那么只会产生一个MapReduce job...