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5128 · 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]

Hive学习之路 （二十一）Hive 优化策略
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]

一、Hadoop 框架计算特性
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]

1、数据量大不是问题，数据倾斜是个问题
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]

2、jobs 数比较多的作业运行效率相对比较低，比如即使有几百行的表，如果多次关联多次 汇总，产生十几个 jobs，耗时很长。原因是 map reduce 作业初始化的时间是比较长的
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]

3、sum,count,max,min 等 UDAF，不怕数据倾斜问题，hadoop 在 map 端的汇总合并优化，使 数据倾斜不成问题
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、count(distinct userid)，在数据量大的情况下，效率较低，如果是多 count(distinct userid,month)效率更低，因为 count(distinct)是按 group by 字段分组，按 distinct 字段排序， 一般这种分布方式是很
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]

倾斜的，比如 PV 数据，淘宝一天 30 亿的 pv，如果按性别分组，分 配 2 个 reduce，每个 reduce 期望处理 15 亿数据，但现实必定是男少女多
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]

二、优化常用手段
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]

1、好的模型设计事半功倍
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]

2、解决数据倾斜问题
发布于2020-6-22

回复列表

  • 内容加载中...

说点什么...
上一页 4 5 6 7 8 9 10 11 12 13 下一页
登录注册 后才可进行评论
签到
51人签到
已签0天
  • 46617帖子
  • 1936557热点量
  • 184862火热值