Hive-Hive如何在内部执行多个BIG表联接查询（在MapReduce中）以及如何对其进行优化？

Question

假设我有4-5个ALL BIG表（TB中的数据），我想将它们加入蜂巢中。 Hive在内部（在MapReduce中）如何最佳地执行联接。

Answer 1

可以使用Bucketized-Join或Sort-Merge-Join最佳地联接许多大表，请参见HIVE Join strategies。所有表都需要相应地进行结构化（相同的存储桶，或相同的排序和存储桶）。 如果您的表的组织方式不同（存储方式相同），那么剩下的唯一选择就是进行随机组合，它将复制整个表（慢速）。