忙到现在才得空

马不停蹄来更文啦~

成都今天好冷啊~即使躲在办公室与电脑相依为命，依旧抵抗不住外界凌凌寒风。

不得不说，

凛冬已至啊（大小朋友们记得保暖御寒^_^）

时间关系，今天分享数据倾斜与优化的解决方法

1、设置属性来解决

set hive.optimize.skewjoin=true

set hive.skewjoin.key=100000

还有可能在group by 中设置

hive.groupby.skewindata=true

在回答优化的时候，也可以说map join的方式【对于小表的关联查询的时】

set hive.auto.convert.join=true

set hive.mapjoin.smalltable.fileszie 默认为25M

注意在hive2中该项是默认开启的。注意一下CDH中使用的版本。

从左到右，依次变大。

2、join语句的优化

select m.cid,u.id from table1 m join table2 u on m.cid=u.cid where m.date=’2019-12-12′

该条语句的问题是，先join在去使用where条件。

优化后：

select m.cid,u.id from （select cid from table1 where date=’2019-12-12′) m join table2 u on m.cid=u.cid

降低了计算量。

3、distinct优化

前：select count(distinct id) from tablename

后：select count(1) from (select distinct id from tablename) tmp

select count(1) from (select id from tablename group by id) tmp

4、对于关联分桶的方式

两个表以相同方式划分桶，或者两个表的桶个数是倍数关系。（分桶之段为关联字段时）

【关联字段一定要是分桶字段】

后面还有其它的数据倾斜说明：

https://www.cnblogs.com/ggjucheng/archive/2013/01/03/2842860.html

随机数解决数据倾斜 —- null值所产生的数据倾斜

https://blog.csdn.net/lpxuan151009/article/details/7980500   

END。。。

来源：成都科多大数据科技有限公司

PS:今天微博无意发现一个账号：笑出腹肌的狗哥。

心情不好或者瓶颈时刻，放松一下也是可以的。真的笑到流眼泪，很适合放松情绪