MapReduce实现SQL的操作原理
2018-01-26 00:26
926 查看
本来想讲一下hive的一条SQL怎么转换成MapReduce的,但是想了一下还是先讲讲一条SQL语句怎么用MapReduce来执行
join的实现原理
在map的输出value中为不同表的数据打上tag标记,在reduce阶段根据tag判断数据来源。MapReduce的过程如下
Group By的实现原理
将GroupBy的字段组合为map的输出key值,利用MapReduce的排序,在reduce阶段保存LastKey区分不同的key。MapReduce的过程如下
Distinct的实现原理
当只有一个distinct字段时,如果不考虑Map阶段的Hash GroupBy,只需要将GroupBy字段和Distinct字段组合为map输出key,利用mapreduce的排序,同时将GroupBy字段作为reduce的key,在reduce阶段保存LastKey即可完成去重
如果有多个distinct字段呢,如下面的SQL
实现方式有两种:
(1)如果仍然按照上面一个distinct字段的方法,即下图这种实现方式,无法跟据policy_type和channel分别排序,也就无法通过LastKey去重,仍然需要在reduce阶段在内存中通过Hash去重
(2)第二种实现方式,可以对所有的distinct字段编号,每行数据生成n行数据,那么相同字段就会分别排序,这时只需要在reduce阶段记录LastKey即可去重。
这种实现方式很好的利用了MapReduce的排序,节省了reduce阶段去重的内存消耗,但是缺点是增加了shuffle的数据量。
需要注意的是,在生成reduce value时,除第一个distinct字段所在行需要保留value值,其余distinct数据行value字段均可为空。
url:https://tech.meituan.com/hive-sql-to-mapreduce.html
join的实现原理
select ply.policy_date,sale.ply_sale_name from ply_base_info ply join ply_sale sale on ply.policy_no=sale.policy_no
在map的输出value中为不同表的数据打上tag标记,在reduce阶段根据tag判断数据来源。MapReduce的过程如下
Group By的实现原理
select policy_date,policy_type,count(1) from ply_base_info
将GroupBy的字段组合为map的输出key值,利用MapReduce的排序,在reduce阶段保存LastKey区分不同的key。MapReduce的过程如下
Distinct的实现原理
select policy_date,count(distinct policy_type) from ply_base_info
当只有一个distinct字段时,如果不考虑Map阶段的Hash GroupBy,只需要将GroupBy字段和Distinct字段组合为map输出key,利用mapreduce的排序,同时将GroupBy字段作为reduce的key,在reduce阶段保存LastKey即可完成去重
如果有多个distinct字段呢,如下面的SQL
select policy_date,count(distinct policy_type),count(distinct channel) from ply_base_info
实现方式有两种:
(1)如果仍然按照上面一个distinct字段的方法,即下图这种实现方式,无法跟据policy_type和channel分别排序,也就无法通过LastKey去重,仍然需要在reduce阶段在内存中通过Hash去重
(2)第二种实现方式,可以对所有的distinct字段编号,每行数据生成n行数据,那么相同字段就会分别排序,这时只需要在reduce阶段记录LastKey即可去重。
这种实现方式很好的利用了MapReduce的排序,节省了reduce阶段去重的内存消耗,但是缺点是增加了shuffle的数据量。
需要注意的是,在生成reduce value时,除第一个distinct字段所在行需要保留value值,其余distinct数据行value字段均可为空。
url:https://tech.meituan.com/hive-sql-to-mapreduce.html
相关文章推荐
- HiveSQL解析原理:包括SQL转化为MapReduce过程及MapReduce如何实现基本SQL操作
- MapReduce实现基本SQL操作的原理-join和group by,以及Dinstinct
- MapReduce实现基本SQL操作的原理
- 【转载】MapReduce实现基本SQL操作的原理-join和group by,以及Dinstinct
- MapReduce实现基本SQL操作的原理-join和group by,以及Dinstinct
- HiveSQL解析原理:包括SQL转化为MapReduce过程及MapReduce如何实现基本SQL操作
- MapReduce实现基本SQL操作的原理-join和group by,以及Dinstinct
- HiveSQL解析原理:包括SQL转化为MapReduce过程及MapReduce如何实现基本SQL操作
- CYQ.Data V5 文本数据库支持SQL语句操作(实现原理解说)
- CYQ.Data V5 文本数据库支持SQL语句操作(实现原理解说)
- CYQ.Data V5 文本数据库支持SQL语句操作(实现原理解说)
- Hive mapreduce SQL实现原理——SQL最终分解为MR任务,而group by在MR里和单词统计MR没有区别了
- Mybatis原理解析(一)--java.sql数据库操作的基本实现方式
- vb sql server创建数据库实现增、删、改、查等基本操作
- 使用SqlSessionTemplate实现数据库的操作
- Hadoop技术内幕:深入解析MapReduce架构设计与实现原理
- Hadoop入门进阶课程5--MapReduce原理及操作
- KD-tree的原理以及构建与查询操作的python实现
- Mybatis死磕源码笔记之SqlSession启动原理及对数据库操作原理(一)
- day05 进程映射、malloc实现原理、文件操作