hive SQL谓词下推

Sql 优化:谓词下推(PPD

定义

谓词下推的概念其实出现在sql中,在关联查询时(join,left join ,right join),因为涉及两个大表之间的关联(特别是在hive)造成资源消耗会比较大,

因为建议在join之前先将两个表进行过滤(hive 里指的是在map端进行过滤),系统会进行部分优化,但sql需要遵守PPD规则,

所谓下推可以理解成优化(只有满足才能进行优化)。

一句话说完:不影响结果的情况下,尽量将过滤条件提前执行。(记得小表join大表)

2 PPD规则(谓词下推规则)

2.1 名词解释

Preserved Row table:保留行表

外部联接中必须返回所有行的表。

对于left join,这是左表;

对于right join,这是右表;

对于full join,两个表都是保留的行表。

Null Supplying table:空值填充表

这是在不匹配的行中为其列填充空值的表。

对于left join,这是右表;

对于right join,这是左表;

对于full join,两个表都是空值填充表。

During Join predicate:连接谓词

join语句中的on部分

After Join predicate:后置连接词

join语句后的where

2.2 规则介绍

1、连接谓词(on)不能下推保留行表。

2、后置连接词(where)不能下推到空值填充表

2.3 针对该规则的建议
1、对于 Join (Inner Join)、Full outer Join,条件写在 on 后面,还是 where 后面,性能上面没有区别;
2、对于 Left Join ,右表过滤条件写在 on 后面、左表过滤条件写在 where 后面,性能上有提高;
3、对于 Right Join,左表过滤条件写在 on 后面、左表过滤条件写在 where 后面,性能上有提高;
4、存在unix_timestamp()、rand()不确定函数时,无法实现下推

相关推荐
时差9534 小时前
【面试题】Hive 查询:如何查找用户连续三天登录的记录
大数据·数据库·hive·sql·面试·database
苍老流年4 小时前
Hive中各种Join的实现
数据仓库·hive·hadoop
静听山水5 小时前
Hive:UDTF 函数
hive
EDG Zmjjkk6 小时前
Hive 查询(详细实操版)
数据仓库·hive·hadoop
lzhlizihang7 小时前
【Hive sql 面试题】求出各类型专利top 10申请人,以及对应的专利申请数(难)
大数据·hive·sql·面试题
Hsu_kk7 小时前
Hive 查询各类型专利 Top 10 申请人及对应的专利申请数
数据仓库·hive·hadoop
静听山水7 小时前
Hive 的数据存储单元结构
hive
大数据编程之光7 小时前
Hive 查询各类型专利 top10 申请人及专利申请数
大数据·数据仓库·hive·hadoop
杰克逊的日记7 小时前
Hive详解
数据仓库·hive·hadoop
Hsu_kk9 小时前
Hive 查询用户连续三天登录的所有记录
数据仓库·hive·hadoop