- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我有一个大表 hive 。为了识别唯一记录,我需要检查 4 列,比方说 col_A、col_B、col_C 和 col_D。我使用这些列来识别更改的记录并覆盖 HIVE 表分区。
我正在尝试几种选择来做到这一点:1) 分别加入所有 4 列(这很慢)
2) 连接所有 4 个字段以创建一个键列(字符串类型)。
3) 使用步骤 2 并将字符串转换为二进制(加入二进制是否更快?)。
4) 使用散列函数创建 key 。 (当我在超过 10 亿条记录的 HIVE 中使用 HASH( ) 函数时,我得到了大约 100 万条重复项。)(输出类型为 Int)。
5) 使用HEX、MD5(字符串)、SHA1/2 或CR32 等其他函数构成 key 列。
你在你的项目中使用过类似的东西吗?是什么带来了更好的表现?还有其他更好的加入方式吗?
附言我已经使用了几个优化参数,例如:
SET hive.compute.query.using.stats=true;
SET hive.stats.fetch.column.stats=true;
SET hive.stats.fetch.partition.stats=true;
设置 hive.vectorized.execution.enabled = true;
设置 hive.auto.convert.join ;
设置 hive.auto.convert.join.noconditionaltask=false;
分析表 T 计算列的统计信息;
等...我的主要想法是了解在上述情况下加入表的最佳和最佳方式是什么。
col_A | col_B | col_C | col_D |纬度 |长
美国广播公司 | DF | qw | 2005-10-30 T 10:45 | 12.3256 | -50.2368
美国广播公司 | DF | qw | 2005-10-30 T 10:45 | 11.12478 | -54.23587
美国广播公司 | d | xx | 2005-10-30 T 10:45 | 15.3397 | -58.6982
最佳答案
注意事项:我这样说是基于文档、直觉、经验和部落知识。这是非常不科学的,我没有对此进行任何测试。
我认为二进制不一定比连接字符串快。因为,限制因素很可能是 i/o 和序列化。由于反序列化的成本较低,通常固定长度(例如 int 和 long)往往更快。
不过,您可以使用某些技术来提高联接的性能。如果它适合您的用例,您应该按连接键对表进行存储和排序。这将允许 Hive 执行 Sort-Merge-Bucket Map join,这往往比 reduce side hash join 更快。阅读Hive Join Optimization获取更多信息。
谓词下推和 Outer Join's 也有一些行为IMO 每个人都应该知道。
话虽如此,我不确定您用于识别“已更改”记录的用例是什么,但使用 Hive Streaming Data Ingest 可能适合您的用例相反,如果你想在你的记录上进行突变。
关于hadoop - 在 HIVE 中,在 4 列上连接 2 个表时什么能提供最佳性能?键列类型 String、Int 或 binary?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39540338/
我有一台 MySQL 服务器和一台 PostgreSQL 服务器。 需要从多个表中复制或重新插入一组数据 MySQL 流式传输/同步到 PostgreSQL 表。 这种复制可以基于时间(Sync)或事
如果两个表的 id 彼此相等,我尝试从一个表中获取数据。这是我使用的代码: SELECT id_to , email_to , name_to , status_to
我有一个 Excel 工作表。顶行对应于列名称,而连续的行每行代表一个条目。 如何将此 Excel 工作表转换为 SQL 表? 我使用的是 SQL Server 2005。 最佳答案 这取决于您使用哪
我想合并两个 Django 模型并创建一个模型。让我们假设我有第一个表表 A,其中包含一些列和数据。 Table A -------------- col1 col2 col3 col
我有两个表:table1,table2,如下所示 table1: id name 1 tamil 2 english 3 maths 4 science table2: p
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 1 年前。 Improve th
下面两个语句有什么区别? newTable = orginalTable 或 newTable.data(originalTable) 我怀疑 .data() 方法具有性能优势,因为它在标准 AX 中
我有一个表,我没有在其中显式定义主键,它并不是真正需要的功能......但是一位同事建议我添加一个列作为唯一主键以随着数据库的增长提高性能...... 谁能解释一下这是如何提高性能的? 没有使用索引(
如何将表“产品”中的产品记录与其不同表“图像”中的图像相关联? 我正在对产品 ID 使用自动增量。 我觉得不可能进行关联,因为产品 ID 是自动递增的,因此在插入期间不可用! 如何插入新产品,获取产品
我有一个 sql 表,其中包含关键字和出现次数,如下所示(尽管出现次数并不重要): ____________ dog | 3 | ____________ rat | 7 | ____
是否可以使用目标表中的LAST_INSERT_ID更新源表? INSERT INTO `target` SELECT `a`, `b` FROM `source` 目标表有一个自动增量键id,我想将其
我正在重建一个搜索查询,因为它在“我看到的”中变得多余,我想知道什么 (albums_artists, artists) ( ) does in join? is it for boosting pe
以下是我使用 mysqldump 备份数据库的开关: /usr/bin/mysqldump -u **** --password=**** --single-transaction --databas
我试图获取 MySQL 表中的所有行并将它们放入 HTML 表中: Exam ID Status Assigned Examiner
如何查询名为 photos 的表中的所有记录,并知道当前用户使用单个查询将哪些结果照片添加为书签? 这是我的表格: -- -- Table structure for table `photos` -
我的网站都在 InnoDB 表上运行,目前为止运行良好。现在我想知道在我的网站上实时发生了什么,所以我将每个页面浏览量(页面、引荐来源网址、IP、主机名等)存储在 InnoDB 表中。每秒大约有 10
我在想我会为 mysql 准备两个表。一个用于存储登录信息,另一个用于存储送货地址。这是传统方式还是所有内容都存储在一张表中? 对于两个表...有没有办法自动将表 A 的列复制到表 B,以便我可以引用
我不是程序员,我从这个表格中阅读了很多关于如何解决我的问题的内容,但我的搜索效果不好 我有两张 table 表 1:成员 id*| name | surname -------------------
我知道如何在 ASP.NET 中显示真实表,例如 public ActionResult Index() { var s = db.StaffInfoDBSet.ToList(); r
我正在尝试运行以下查询: "insert into visits set source = 'http://google.com' and country = 'en' and ref = '1234
我是一名优秀的程序员,十分优秀!