Question

我正在使用map reduce实现左连接功能。左侧有大约6亿条记录，右侧有大约2300万条记录。在mapper中，我使用左连接条件中使用的列来创建键，并将mapper的键值输出传递给reducer。我遇到了性能问题，因为几个映射键都很少，两个表中的值都很高（例如分别为456789和78960）。即使其他减速机完成了它们的工作，这些减速机也能继续运行更长的时间。有多种方法可以使多个Reducer并行处理mapper的相同键值输出，从而提高性能？

这是我想要优化的Hive查询。

select distinct 
        a.sequence, 
        a.fr_nbr, 
        b.to_nbr, 
        a.fr_radius,
        a.fr_zip, 
        a.latitude as fr_latitude, 
        a.longitude as fr_longitude, 
        a.to_zip, 
        b.latitude as to_latitude, 
        b.longitude as to_longitude,
        ((2 * asin( sqrt( cos(radians(a.latitude)) * cos(radians(b.latitude)) * pow(sin(radians((a.longitude - b.longitude)/2)), 2) + pow(sin(radians((a.latitude - b.latitude)/2)), 2) ) )) * 6371 * 0.621371) as distance,
        a.load_year, 
        a.load_month
from common.sb_p1 a LEFT JOIN common.sb__temp0u b    
        on a.to_zip=b.zip
            and a.load_year=b.load_year
            and a.load_month=b.load_month
where   b.correction = 0 
        and a.fr_nbr <> b.to_nbr 
        and ((2 * asin( sqrt( cos(radians(a.latitude)) * cos(radians(b.latitude)) * pow(sin(radians((a.longitude - b.longitude)/2)), 2) + pow(sin(radians((a.latitude - b.latitude)/2)), 2) ) )) * 6371 * 0.621371 <= a.fr_radius)

任何其他解决方案也将受到赞赏。

Answer 1

使用UNION ALL：

拆分倾斜的键

select * from table1 a left join table2 b on a.key=b.key
where a.key not in (456789,78960)
union all
select * from table1 a left join table2 b on a.key=b.key
where a.key = 456789
union all
select * from table1 a left join table2 b on a.key=b.key
where a.key = 78960
;

这些子查询将并行运行，倾斜的键不会分发到单个reducer

Answer 2

您也可以考虑使用HiveQL。它几乎适用于上面提到的那种情况，并且可以处理map reduce实现的复杂性。

在mapper的单个输出上运行多个reducer

2 个答案: