hive中与hbase外部表join时内存溢出（hive处理mapjoin的优化器机制）

与hbase外部表（wizad_mdm_main）进行join出现问题：

CREATE TABLE wizad_mdm_dev_lmj_edition_result as

select *

from wizad_mdm_dev_lmj_20141120 as w

JOIN wizad_mdm_main as a ON (a.rowkey = w.guid);

程序启动后，死循环，无反应。最后在进行到0.83时，内存溢出失败。

原因：

默认情况下，Hive会自动将小表加到DistributeCache中，然后在Map扫描大表的时候，去和DistributeCache中的小表做join，这称为Mapjoin。

这里wizad_mdm_main是基于HBase的外部表，而这张表在HDFS上的源路径为 /hivedata/warehouse/wizad.db/wizad_mdm_main，实际这个目录为空，

因此，Hive优化器认为它是小表，所以，会将这张表数据加到DistributeCache中，造成内存溢出。

解决办法：

SET hive.auto.convert.join=false; 关闭自动转化MapJoin，默认为true;

SET hive.ignore.mapjoin.hint=false; 关闭忽略mapjoin的hints（不忽略，hints有效），默认为true(忽略hints)。

然后在查询时候使用hints，/*+ mapjoin(w) */ 将小表w (wizad_mdm_dev_lmj_edition_20141120) 加入到DistributeCache，

Map task在扫描HBase中的大表阶段，就可以完成join操作：

SET mapred.job.queue.name=queue3;

SET hbase.client.scanner.caching=5000;

SET hbase.zookeeper.quorum=datanode06,datanode07,datanode08;

SET zookeeper.znode.parent=/hbase;

set hbase.regionserver.lease.period=180000;

SET hive.auto.convert.join=false;

SET hive.ignore.mapjoin.hint=false;

INSERT OVERWRITE LOCAL DIRECTORY '/home/wizad/lmj/'

ROW FORMAT DELIMITED FIELDS TERMINATED BY ','

select /*+ mapjoin(w) */ cookie_id,rowkey,fixeddim_map

from wizad_mdm_dev_lmj_edition_20141120 as w JOIN wizad_mdm_main as a

ON (w.guid = a.rowkey);

hive大表与大表join:

1.确保没有笛卡尔积；

2.确保没有数据倾斜；

3.增加reduce数；

4.不行再试试分桶join;