Question

在MySQL中，我可以从两个表中选择而不需要一个连接，如下所示：

SELECT t1.value, t2.value FROM t1, t2 WHERE (t1.value = t2.value);

另一方面，Hive会接受“FROM t1 join t2”但不“FROM t1，t2”。）

有没有人对如何优化像

这样的查询有任何想法

SELECT t1.value, t2.value FROM t1 join t2 WHERE (t1.value = t2.value);

以任何其他方式？

（另外，为什么在MySQL中从“从t1加入t2选择”切换到“从t1，t2中选择”优化查询？）

Answer 1

为什么不想使用加入？从两个表中进行选择并要求它们之间存在一些相等性，这会导致内部联接。

此外，使用您正在使用的联接，您将创建两个表的笛卡尔积并删除那些t1.value=t2.value的记录。直接使用内部联接会更有效：

SELECT t1.value, t2.value FROM t1 JOIN t2 ON t1.value=t2.value;

如果您的某张桌子非常小，您可以进行地图侧连接。小表将缓存在内存中，而较大的表可以流式传输，并且不需要减少步骤。要激活映射端连接，必须在执行查询之前执行set hive.auto.convert.join=true;。映射端连接的最大表大小（以字节为单位）的阈值在属性hive.mapjoin.smalltable.filesize中设置。

（来源：Edward Capriolo，Dean Wampler和Jason Rutherglen。编程Hive。 O'Reilly，2012年。）

蜂巢 - 从没有加入的两张桌子中抓取

1 个答案: