1.MapReduce的join過(guò)程

　　miJoin(半連接)

　　(1)：利用DistributedCache將小表分發(fā)到各個(gè)節(jié)點(diǎn)上，在Map過(guò)程的setup()函數(shù)里，讀取緩存里的文件，只將小表的連接鍵存儲(chǔ)在hashSet中。

　　(2)：在map()函數(shù)執(zhí)行時(shí)，對(duì)每一條數(shù)據(jù)進(jìn)行判斷(包含小表數(shù)據(jù))，如果這條數(shù)據(jù)的連接鍵為空或者在hashSet里不存在，那么則認(rèn)為這條數(shù)據(jù)無(wú)效，這條數(shù)據(jù)也不參與reduce的過(guò)程。

　　2. hive的SQL解析過(guò)程

　　詞法、語(yǔ)法解析：Antlr 定義 SQL 的語(yǔ)法規(guī)則，完成 SQL 詞法，語(yǔ)法解析，將 SQL 轉(zhuǎn)化為抽象語(yǔ)法樹 AST Tree；

　　語(yǔ)義解析：遍歷 AST Tree(抽象語(yǔ)法樹，抽象語(yǔ)法結(jié)構(gòu)的樹狀)，抽象出查詢的基本組成單元 QueryBlock;

　　生成邏輯執(zhí)行計(jì)劃：遍歷 QueryBlock，翻譯為執(zhí)行操作樹 OperatorTree;

　　優(yōu)化邏輯執(zhí)行計(jì)劃：邏輯層優(yōu)化器進(jìn)行 OperatorTree 變換，合并 Operator，達(dá)到減少 MapReduce Job，減少數(shù)據(jù)傳輸及 shuffle 數(shù)據(jù)量。

　　更多關(guān)于“大數(shù)據(jù)培訓(xùn)”的問(wèn)題，歡迎咨詢千鋒教育在線名師。千鋒教育多年辦學(xué)，課程大綱緊跟企業(yè)需求，更科學(xué)更嚴(yán)謹(jǐn)，每年培養(yǎng)泛IT人才近2萬(wàn)人。不論你是零基礎(chǔ)還是想提升，都可以找到適合的班型，千鋒教育隨時(shí)歡迎你來(lái)試聽。