Hive-数据倾斜

在计算各省份的GMV时，有可能会发生数据倾斜，解决办法如下：

1. 分组聚合
   1. 预聚合思想 map-side（预聚合在map里面）
   2. skew-groupby（多个reduce阶段进行汇总）：先对倾斜的key加上随机数，均匀分发到不同的reduce，进行一次聚合，然后去掉随机数，再发到一个reduce进行聚合。
2. 表与表的关联
   1. map-join：大表JOIN小表
   2. skew-join：如果检测到有key比较多的，那么单独开启一个mapjoin去计算，其他正常的使用common join
   3. 分桶join：大表JOIN大表
3. 如何判断是key发生数据倾斜?
   1. limit
   2. table_sample 抽样函数