首页 > 编程源码 > Hive学习之路:Hive的数据倾斜

Hive学习之路:Hive的数据倾斜

楼主：资源分享 [官方] · 2020-6-22 ·  浏览5117 · 编程源码 · ID:
1、什么是数据倾斜？
由于数据分布不均匀，造成数据大量的集中到一点，造成数据热点

2、Hadoop 框架的特性
　　A、不怕数据大，怕数据倾斜
　　B、Jobs 数比较多的作业运行效率相对比较低，如子查询比较多
　　C、 sum,count,max,min 等聚集函数，通常不会有数据倾斜问题

文章来源于互联网。
- 版权声明 - 1、本帖所有言论和图片等纯属网友个人意见，与流星社区立场无关；
2、其他单位或个人使用、转载或引用本帖时必须同时征得该帖子作者资源分享和流星社区的同意；
3、备注原文地址：https://bbs.liuxingw.com/t/31248.html，可忽略第2条；
4、帖子作者需承担一切因本文发表而直接或间接导致的相关责任；
5、如本帖内容或部分内容转载自其它媒体，这并不代表本站赞同其观点和对其真实性负责；
6、如本帖若为资源类，将仅限用于学习和研究目的，您必须在下载后的24个小时之内，从您安装或使用的设备中彻底删除上述内容；
7、如果您喜欢该程序，请支持正版软件，购买注册，可以得到更好的正版服务；
8、如本帖侵犯到任何版权或违法问题，请立即邮件告知我们，我们将及时予以处理。
161条回复 |  最后回复于2020-6-22

资源分享 [官方]

3、主要表现
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...

资源分享 [官方]

任务进度长时间维持在 99%或者 100%的附近，查看任务监控页面，发现只有少量 reduce 子任务未完成，因为其处理的数据量和其他的 reduce 差异过大。 单一 reduce 处理的记录数和平均记录数相差太大，通常达到好几倍之多，最长时间远大 于平均时长。
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...

资源分享 [官方]

4、容易数据倾斜情况
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...

资源分享 [官方]

A、group by 不和聚集函数搭配使用的时候
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...

资源分享 [官方]

B、count(distinct)，在数据量大的情况下，容易数据倾斜，因为 count(distinct)是按 group by 字段分组，按 distinct 字段排序
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...

资源分享 [官方]

C、 小表关联超大表 join
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...

资源分享 [官方]

5、产生数据倾斜的原因
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...

资源分享 [官方]

　A：key 分布不均匀
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...

资源分享 [官方]

B：业务数据本身的特性
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...

资源分享 [官方]

C：建表考虑不周全
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...
1 2 3 4 5 下一页
登录注册 后才可进行评论
签到
55人签到
已签0天
  • 46609帖子
  • 1936513热点量
  • 184830火热值