HiveSql语法优化三 ：join优化

    前面提到过：Hive拥有多种join算法，包括Common Join，Map Join，Bucket Map Join，Sort Merge Buckt Map Join等；每种join算法都有对应的优化方案。

Map Join

    在优化阶段，如果能将Common Join优化为Map Join算法，那就会优化成Map Join，但是在编译阶段如果所需的表大小是未知的（例如对子查询进行join操作），那么Hive会在编译阶段生成一个条件任务，计划列表中包含转换后的Map Join任务以及原有的Common Join任务。Common Join作后备计划。大致思路如下图所示：![](https://img-blog.csdnimg.cn/direct/c9eaa48a709a4ed9826dd93b4835e0c6.png)

Map join自动转换的具体判断逻辑如下图所示：

    首先是查看hive.auto .convert.join参数是否开启，然后根据sql语句寻找大表候选人，再检测条件任务是否开启，一般开启条件任务即可（走右边），hive会自动判断，系统分别为每个大表候选人生成map join计划，如果已知其他表的大小超过****hive.mapjoin.smalltable.filesize****参数，则排除该计划。如果判断有map join计划生成，则会将所有生成的map join 计划和common join 计划一同加入任务列表，最终执行哪个运行时决定；

    再来看左边，若大表之外的小表均已知，且大小总和小于noconditionaltask.size，则生成最优的mapjoin计划（最大的表生成大表，最小的表作为小表），如果不是，继续走右边。

    如果子任务也是map join 计划，且他们的小表都小于noconditionaltask.size，那就会合并mapjoin计划。比如有a,b,c三张表：他们的关联字段不一样，因此需要两个maptask去执行，在join a和b的时候，b是小表，走mapjoin ;在join 中间结果和c的时候，c是小表，走mapjoin；那么如果b+c小于noconditionaltask.size，就会将b，c缓存在内存中，去遍历a的记录先去join b的hashtable中的字段，再去c的hashtable中寻找关联字段进行join。这相当于一个中终极mapjoin计划。

上面几个参数如下：

--启动Map Join自动转换

set hive.auto.convert.join=true;

--一个Common Join operator转为Map Join operator的判断条件,若该Common Join相关的表中,存在n-1张表的已知大小总和<=该值,则生成一个Map Join计划,此时可能存在多种n-1张表的组合均满足该条件,则hive会为每种满足条件的组合均生成一个Map Join计划,同时还会保留原有的Common Join计划作为后备(back up)计划,实际运行时,优先执行Map Join计划，若不能执行成功，则启动Common Join后备计划。

set hive.mapjoin.smalltable.filesize=250000;

--开启无条件转Map Join

set hive.auto.convert.join.noconditionaltask=true;

--无条件转Map Join时的小表之和阈值,若一个Common Join operator相关的表中，存在n-1张表的大小总和<=该值,此时hive便不会再为每种n-1张表的组合均生成Map Join计划,同时也不会保留Common Join作为后备计划。而是只生成一个最优的Map Join计划。

set hive.auto.convert.join.noconditionaltask.size=10000000;