hive sql 中join引起的数据倾斜之mapjoin优化

最新推荐文章于 2024-08-01 08:57:56 发布

原创最新推荐文章于 2024-08-01 08:57:56 发布 · 835 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#hive #sql #big data

收录于

   在dwd层关联维度表时经常会遇到数据倾斜，假如某app商店的曝光数据超百亿，在关联app维度表表时，排在前面的app肯定占了大部分数据，如抖音微信，肯定会遇到数据倾斜。这个时候该怎么解决呢？
   mapjoin无疑是比较好的选择！

步骤1：先建个临时表，筛选3000万以上的数据

CREATE TABLE temp_store_exposure_dm
AS 
SELECT 
t1.app_id
,t2.app_name
,t2.app_category
FROM 
(
	SELECT 
		app_id       
	FROM dwd_store_exposure_dm
	WHERE pt_d='$date'
	group by app_id
	having count(*)>30000000
) t1
inner join 
(
	SELECT 
	app_id
	,app_name
	,app_category
	FROM dim_store_app_ds
	WHERE pt_d='$date'
) t2
ON t1.app_id=t2.app_id

步骤2：事实表关联临时表，走mapjoin

SELECT 
t1.app_id
,t2.app_name
,t2.app_category
FROM 
(
	SELECT 
		app_id       
	FROM dwd_store_exposure_dm
	WHERE pt_d='$date'
) t1
LEFT JOIN 	
(
SELECT	
 app_id
,app_name
,app_category
FROM temp_store_exposure_dm
) t2
ON t1.app_id=t2.app_id
UNION ALL
SELECT 
t1.app_id
,t2.app_name
,t2.app_category
FROM 
(
	SELECT 
		app_id       
	FROM dwd_store_exposure_dm
	WHERE pt_d='$date'
) t1
LEFT JOIN 	
(
SELECT	
 app_id
,app_name
,app_category
FROM temp_store_exposure_dm
) t2
ON t1.app_id=t2.app_id
WHERE t2.app_id IS NULL