Hive Tuning(三) 从查询计划看hive.auto.convert.join的好处-低调大师

Hive Tuning(三) 从查询计划看hive.auto.convert.join的好处

2016-09-07 729 89

今天我们来讲一下如何看懂Hive的查询计划。

hive的执行计划包括三部分:

– Abstract syntax tree – 可以直接忽略

– Stage dependencies – 依赖

– Stage plans – hive如何执行任务的信息。

e8bc385635b48c30eda02e23b450e30c2e29cbe0

下面还是以一个案例作为说明

8f513921972ef28a83fba0eb5f77d1cec820ceb1

设置自动连接为false的话，要走5步。

537d4630adcd877247be8419c935c61aeeb64240

4 Map Reduces tells you something is not right.

Stage: Stage-1

Map Reduce

Stage: Stage-2

Map Reduce

Stage: Stage-3

Map Reduce

Stage: Stage-4

Map Reduce

设置自动连接为true就只有4步

e24c3d142387fc4a2ec58402d38979d980ba1aee

Only 2 Map Reduces

Stage: Stage-8

Map Reduce

Stage: Stage-4

Map Reduce

7f873296b36f19fd5c148a61dd7711f80df55d0d

hive直接就加载了要做连接的表，client和path表，其中client表做了过滤，剩下的map/reduce是用来连接和排序的。

微信关注我们

原文链接：https://yq.aliyun.com/articles/60185

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

2016-09-08 00:00:00

Spark Tungsten-sort Based Shuffle 分析

前言看这篇文章前，建议你先简单看看 Spark Sort Based Shuffle内存分析。 Tungsten 中文是钨丝的意思。 Tungsten Project 是 Databricks 公司提出的对Spark优化内存和CPU使用的计划，该计划初期似乎对Spark SQL优化的最多。不过部分RDD API 还有Shuffle也因此受益。简述 Tungsten-sort优化点主要在三个方面: 直接在serialized binary data上sort而不是java objects，减少了memory的开销和GC的overhead。提供cache-efficient sorter，使用一个8bytes的指针，把排序转化成了一个指针数组的排序。 spill的merge过程也无需反序列化即可完成这些优化的实现导致引入了一个新的内存管理模型，类似OS的Page，对应的实际数据结构为MemoryBlock,支持off-heap 以及 in-heap 两种模式。为了能够对Record 在这些MemoryBlock进行定位，引入了Pointer（指针）的概念。如果你还记得Sort B...

554

2016-09-08 00:00:00

hadoop 参数

看《Hadoop：权威指南》的时候收集了书上写的一些需要优化的参数，记录了一下子，给大家分享一下吧。 1.mapred.task.timeout 任务超时时间，默认是10分钟 2.mapred.map.max.attempts mapred.reduce.max.attempts 默认任务失败重复次数为4 3.mapred.max.map.failures.percent mapred.reduce.map.failures.percent 不触发错误的失败的最大百分比 4.mapred.jobtracker.taskScheduler 作业调度算法设置,默认是FIFO 5.io.sort.mb io.sort.spill.percent 缓冲区大小默认为100MB，以及缓冲区阀值默认为0.8，超过80%就保存到硬盘 6.io.sort.factor 默认为10，一次只能合并10个溢出文件 7.mapred.compress.map.output 默认为false，不压缩输出文件压缩算法由mapred.map.output.compression.codec指定 8.tracker....

867

资源下载

更多资源

优质分享Android(本站安卓app)

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Oracle Database，又名Oracle RDBMS

Oracle Database，又名Oracle RDBMS，或简称Oracle。是甲骨文公司的一款关系数据库管理系统。它是在数据库领域一直处于领先地位的产品。可以说Oracle数据库系统是目前世界上流行的关系数据库管理系统，系统可移植性好、使用方便、功能强，适用于各类大、中、小、微机环境。它是一种高效率、可靠性好的、适应高吞吐量的数据库方案。

Apache Tomcat7、8、9（Java Web服务器）

Tomcat是Apache 软件基金会（Apache Software Foundation）的Jakarta 项目中的一个核心项目，由Apache、Sun 和其他一些公司及个人共同开发而成。因为Tomcat 技术先进、性能稳定，而且免费，因而深受Java 爱好者的喜爱并得到了部分软件开发商的认可，成为目前比较流行的Web 应用服务器。

Eclipse（集成开发环境）

Eclipse 是一个开放源代码的、基于Java的可扩展开发平台。就其本身而言，它只是一个框架和一组服务，用于通过插件组件构建开发环境。幸运的是，Eclipse 附带了一个标准的插件集，包括Java开发工具（Java Development Kit，JDK）。