大数据开发之Hive案例篇7- 笛卡尔积优化一例

一. 问题描述

今天遇到一个问题,一个大表join 一个拉链表,获取对应的数据

大表t_big,数量2kw左右
小表t_lalian,是拉链表,数量5k左右

两个表关联条件是

t_big.tx_date >= t_lalian.start_date and t_big.tx_date <  t_lalian.end_date

这种非等值连接,不能写在on子句,只能写在where子句后面,那么此时的问题就是连个表的关联变成笛卡尔积了,产生的数据量太大了,而且笛卡尔积是全局的,所以只有一个reduce,执行进程上看,reduce进度一直卡在99%不动。

2023-05-18 12:06:01,292 Stage-1 map = 100%,  reduce = 87%, Cumulative CPU 2055.94 sec
2023-05-18 12:06:07,496 Stage-1 map = 100%,  reduce = 88%, Cumulative CPU 2063.82 sec
2023-05-18 12:06:12,665 Stage-1 map = 100%,  reduce = 89%, Cumulative CPU 2071.49 sec
2023-05-18 12:06:25,072 Stage-1 map = 100%,  reduce = 90%, Cumulative CPU 2086.6 sec
2023-05-18 12:06:31,275 Stage-1 map = 100%,  reduce = 91%, Cumulative CPU 2094.27 sec
2023-05-18 12:06:37,487 Stage-1 map = 100%,  reduce = 92%, Cumulative CPU 2101.46 sec
2023-05-18 12:06:48,869 Stage-1 map = 100%,  reduce = 93%, Cumulative CPU 2116.57 sec
2023-05-18 12:07:01,276 Stage-1 map = 100%,  reduce = 94%, Cumulative CPU 2130.99 sec
2023-05-18 12:07:07,514 Stage-1 map = 100%,  reduce = 95%, Cumulative CPU 2138.27 sec
2023-05-18 12:07:13,721 Stage-1 map = 100%,  reduce = 96%, Cumulative CPU 2146.04 sec
2023-05-18 12:07:19,928 Stage-1 map = 100%,  reduce = 98%, Cumulative CPU 2153.28 sec
2023-05-18 12:07:25,095 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 2161.03 sec
2023-05-18 12:08:26,075 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 2234.01 sec
2023-05-18 12:09:27,065 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 2317.47 sec
2023-05-18 12:10:28,031 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 2391.56 sec
2023-05-18 12:11:28,965 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 2462.62 sec
2023-05-18 12:12:29,865 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 2523.88 sec
2023-05-18 12:13:30,747 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 2597.22 sec
2023-05-18 12:14:31,654 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 2668.52 sec
2023-05-18 12:15:32,505 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 2773.16 sec
......
......
2023-05-18 12:34:47,688 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 4100.79 sec
2023-05-18 12:35:48,450 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 4170.27 sec
2023-05-18 12:36:49,253 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 4237.83 sec
2023-05-18 12:37:50,034 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 4303.86 sec
2023-05-18 12:38:50,803 Stage-1 map = 100%,  reduce = 99%, Cumulative CPU 4371.48 sec

二. 解决方案

当Hive设定为严格模式(hive.mapred.mode = strict)时,不允许在HQL语句中出现笛卡尔积,这实际说明了Hive 对笛卡尔积支持较弱。因为找不到 join key, Hive只能使用一个reducer 来完成笛卡尔积。

那么此时我们需要的是人工的给两个表一个join条件,避免只有一个reduce操作。

将t_big 增加一个随机数的列,取值范围1-20
将t_lalian数据通过join复制20份
那么此时两个表就可以通过 num_key来进行join了
顺便指定一下reduce的个数,以免hive自动判断的reduce数发生错误。

set hive.auto.convert.join=false;
set mapred.reduce.tasks = 10;

select tmp1.*,tmp2.price
  from 
(
select *,ceiling(rand()*19) as num_key 
  from t_big 
) tmp1
join 
(
select t1.*,t2.rn
  from t_lalian t1
 join ( select id as rn from t100 order by id limit 20 ) t2
) tmp2
on tmp1.num_key  = tmp2.rn
where  tmp1.tx_date >= tmp2.start_date 
  and tmp1.tx_date <  tmp2.end_date;

结论:
优化后,执行时间由之前的18分钟,优化到4分钟左右

参考:

  1. https://blog.csdn.net/qq_36039236/article/details/108450666
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,126评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,254评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,445评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,185评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,178评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,970评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,276评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,927评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,400评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,883评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,997评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,646评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,213评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,204评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,423评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,423评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,722评论 2 345

推荐阅读更多精彩内容