hive 连接查询优化

166 阅读 0 评论 110 点赞

我是靠谱客的博主忐忑月光，这篇文章主要介绍hive 连接查询优化，现在分享给大家，希望可以做个参考。

1.每个join都会启动一个mapreduce

如果连接字段是同一个字段，则会进入同一个reduce

2.hive会默认最后一个表为数据量最大的表，所以会将前面的表进行缓存

所以进行连接查询的时候，将表从小到大连接

3.如果查询中不想将大表放到最后，可以使用查询暗示，指定哪张表示最大的

select /* +streamtable(c) */ c.id,c.name
from custorm c join order o on o.cid=c.id

内连接

直接join，只有复核连接条件的才会被查询出

左外连接

left outer join，左边的记录会全部显示

右外连接

right outer join 右边的记录会全部显示

全外连接

full outer join 笛卡尔积

左半连接

只要右表有符合条件的数据，就会返回左边的数据，不会全表扫描

LEFT SEMI JOIN （左半连接）是 IN/EXISTS 子查询的一种更高效的实现。

查询结果不能出现右表字段

select * from a where a.id in (select id from b ) 可以改为 select * from a left semi join b on a.id = b.in

以上就是忐忑月光最近收集整理的关于hive 连接查询优化的全部内容，更多相关hive内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。