Question

以下代码出现在PROD中并且每天运行，我正在尝试对其进行优化。我看到set hive.auto.convert.join = FALSE;正在进行一次Reduce连接，运行2.5小时，并产生2324381条记录的行数。

如果我设置hive.auto.convert.join = TRUE;然后它执行Map side join并且仅运行20分钟并产生5766529条记录的行数。

我需要知道为什么行数不同，这是正确的吗？行数是否可以不同？我的印象是O / P或查询应该保持不变，无论哪个连接发生。

源数据在这两种情况下保持不变，并且每个其他条件与我正在更改的配置单元设置的预期相同。

INSERT OVERWRITE TABLE krish
SELECT 
    s.svcrqst_id
    s.svcrqst_lupdusr_id,
    s.svcrqst_lstupd_dts as svcrqst_lupdt,
    f.crsr_lupdt,
    s.svcrqst_crt_dts,
    s.svcrqst_asrqst_ind,
    s.svcrtyp_cd,
    s.svrstyp_cd,
    s.asdplnsp_psuniq_id as psuniq_id,
    s.svcrqst_rtnorig_in,
    s.cmpltyp_cd,
    s.catsrsn_cd,
    s.apealvl_cd,
    s.cnstnty_cd,
    s.svcrqst_vwasof_dt,
    f.crsr_master_claim_index,
    t.svcrqct_cds,
    r.sum_reason_cd,
    r.sum_reason

from
table1 s
left outer join
(
    select distinct
    lpad(trim(i_srtp_sr_sbtyp_cd), 3, '0') as i_srtp_sr_sbtyp_cd,
    lpad(trim(i_srtp_sr_typ_cd), 3, '0') as i_srtp_sr_typ_cd,
    sum_reason_cd,
    sum_reason
    from table2 
) r
on lpad(trim(s.svcrtyp_cd), 3, '0')=r.i_srtp_sr_typ_cd
and lpad(trim(s.svrstyp_cd), 3, '0')=r.i_srtp_sr_sbtyp_cd

left outer join  table3 f
on trim(s.svcrqst_id)=trim(f.crsr_sr_id)

left outer join table4 t
on t.svcrqst_id=s.svcrqst_id

where
( year(s.svcrqst_lstupd_dts)=${hiveconf:YEAR} and month(s.svcrqst_lstupd_dts)=${hiveconf:MONTH} and day(s.svcrqst_lstupd_dts)=${hiveconf:DAY} )
or
( year(f.crsr_lupdt)=${hiveconf:YEAR} and month(f.crsr_lupdt)=${hiveconf:MONTH} and day(f.crsr_lupdt)=${hiveconf:DAY} )
;

Answer 1

在对我的数据做了一些研究之后，我创建了所有的源表，并使用相同的列进行分区和删除，并重新启用了我的HQL。

这次map side join和reduce side join的行数都有相同的计数。

我认为在之前的查询中，由于数据未被分区，因此地图侧和减少侧连接具有不同的输出。

Mapside Join和Reduce side join可以有不同的O / P.

1 个答案: