map reduceを使用して左結合機能を実装しています。左サイドには約6億レコード、右サイドには約2,300万レコードがあります。マッパーでは、左結合条件で使用される列を使用してキーを作成し、マッパーからの出力をレジューサーに渡しています。 両方のテーブルの値の数が多い(たとえば、それぞれ456789および78960など)マッパーキーが少ないため、パフォーマンスの問題が発生しています。他の減速機が仕事を終えても、この減速機は長い時間稼動し続けます。 パフォーマンスを向上させるために、複数のレデューサーがマッパーの同じキー値出力に並行して作業できる方法はありますか?マッパーの単一出力で複数のレデューサーを実行
これは、最適化したいHiveクエリです。
select distinct
a.sequence,
a.fr_nbr,
b.to_nbr,
a.fr_radius,
a.fr_zip,
a.latitude as fr_latitude,
a.longitude as fr_longitude,
a.to_zip,
b.latitude as to_latitude,
b.longitude as to_longitude,
((2 * asin(sqrt(cos(radians(a.latitude)) * cos(radians(b.latitude)) * pow(sin(radians((a.longitude - b.longitude)/2)), 2) + pow(sin(radians((a.latitude - b.latitude)/2)), 2)))) * 6371 * 0.621371) as distance,
a.load_year,
a.load_month
from common.sb_p1 a LEFT JOIN common.sb__temp0u b
on a.to_zip=b.zip
and a.load_year=b.load_year
and a.load_month=b.load_month
where b.correction = 0
and a.fr_nbr <> b.to_nbr
and ((2 * asin(sqrt(cos(radians(a.latitude)) * cos(radians(b.latitude)) * pow(sin(radians((a.longitude - b.longitude)/2)), 2) + pow(sin(radians((a.latitude - b.latitude)/2)), 2)))) * 6371 * 0.621371 <= a.fr_radius)
他の解決策もあります。
単一減速に配布されることはありません、あなたがやっている参加の何種類?マップ側(複製)または削減側(再分割)? – Nicomak
キーがわかっている場合は、パフォーマンスを向上させるためにカスタムパーティションを作成できます。 Exp:If key.value <78960 ....その他.... https://www.tutorialspoint.com/map_reduce/map_reduce_partitioner.htm – pckmn
@Nicomak私はサイドサイドジョインを使用しています。 –