hive中Common Join 和Map Join的机制（例子详解）

笼统的说，Hive中的Join可分为Common Join（Reduce阶段完成join）和Map Join（Map阶段完成join）。本文简单介绍一下两种join的原理和机制。
一 .Hive Common Join

如果不指定MapJoin或者不符合MapJoin的条件，那么Hive解析器会将Join操作转换成Common Join,即：在Reduce阶段完成join.
整个过程包含Map、Shuffle、Reduce阶段。

Map阶段
读取源表的数据，Map输出时候以Join on条件中的列为key，如果Join有多个关联键，则以这些关联键的组合作为key;
Map输出的value为join之后所关心的(select或者where中需要用到的)列；同时在value中还会包含表的Tag信息，用于标明此value对应哪个表；
按照key进行排序

Shuffle阶段
根据key的值进行hash,并将key/value按照hash值推送至不同的reduce中，这样确保两个表中相同的key位于同一个reduce中

Reduce阶段
根据key的值完成join操作，期间通过Tag来识别不同表中的数据。
以下面的HQL为例，图解其过程：

SELECT
a.id,a.dept,b.age
FROM a join b
ON (a.id = b.id);

在这里插入图片描述
二. Hive Map Join
MapJoin通常用于一个很小的表和一个大表进行join的场景，具体小表有多小，由参数 hive.mapjoin.smalltable.filesize来决定，该参数表示小表的总大小，默认值为25000000字节，即25M.
Hive0.7之前，需要使用hint提示* /+ mapjoin(table) */才会执行MapJoin,否则执行Common Join，但在0.7版本之后，默认自动会转换Map Join，由数 hive.auto.convert.join来控制，默认为true.

假设a表为一张大表，b为小表，并且hive.auto.convert.join=true,那么Hive在执行时候会自动转化为MapJoin。

执行流程如下：
1.通过MapReduce Local Task，将小表读入内存，生成HashTableFiles上传至Distributed Cache中，这里会对HashTableFiles进行压缩。
2.MapReduce Job在Map阶段，每个Mapper从Distributed Cache读取HashTableFiles到内存中，顺序扫描大表，在Map阶段直接进行Join，将数据传递给下一个MapReduce任务。
在这里插入图片描述
三.测试
准备数据

hive (test)> select * from stu_190802;
stu_190802.id	stu_190802.name	stu_190802.sex	stu_190802.department	stu_190802.age
16	xm	m	2	25
16	xm	m	2	25
16	xm	m	2	25
1	zs	m	1	18
2	ls	m	1	19
3	ww	m	1	20
4	zq	f	1	18
5	ll	f	1	21
6	hl	f	1	19
7	xh	f	1	20
8	cl	f	1	22
9	fj	m	1	19
10	wb	m	2	23
11	wf	f	2	24
12	jj	m	2	21
13	yy	m	2	20
14	ld	f	2	18
15	ch	f	2	22
1	zs	m	1	17
1	zs	m	1	19

hive (test)> select * from department;
department.id	department.leader
1	zs
2	wl

默认是ture 会开启小表mapjoin

hive (test)> set hive.auto.convert.join;
hive.auto.convert.join=true
hive (test)> set hive.mapjoin.smalltable.filesize;
hive.mapjoin.smalltable.filesize=25000000

两个表进行关联默认会执行mapjoin

select 
       t1.*
      ,t2.leader 
from stu_190802 t1 
left join department t2 
on t1.department =t2.id;

Query ID = finup_20191225144340_00ff1ec6-8d8a-44ca-b92f-08e7b2a1074e
Total jobs = 1
SLF4J: Found binding in [jar:file:/Users/finup/opt/hive3.1.1/lib/log4j-slf4j-impl-2.10.0.jar!/org/slf4j/impl/StaticLoggerBinder.class]SLF4J: Actual binding is of type [org.apache.logging.slf4j.Log4jLoggerFactory]
============将小表读入内存，生成HashTableFiles====================================
2019-

hive中Common Join 和Map Join的机制（例子详解）

悦读