[hive] 맵조인과 셔플조인(Map Join vs Shuffle Join)

2020. 6. 9. 23:58·빅데이터/hive

hive의 맵조인과 셔플조인의 차이를 확인해 보겠습니다.

 

다음의 조인 쿼리에서 table_a는 14.7G이고, table_b는 5KB입니다. 이 테이블을 조인할 때 각 조인에 따른 성능을 확인해 보면 셔플 조인일 때는 리듀서 단계가 추가되고 맵 조인에 비하여 2배의 시간이 더 걸리는 것을 확인할 수 있습니다.

# table_a와 table_b를 조인하여 join_test 테이블 생성 
# table_a: 14.7 GB
# table_b: 5 KB
CREATE TABLE join_test
AS
select a.deviceid, b.cnty_cd
  from db_a.table_a a, 
       db_b.table_b b
 where a.date = '20191020'
   and a.code = b.code_cd
;

작업 시간

맵조인 작업 시간은 75.14초, 셔플 조인 작업 시간은 130.73초입니다.

# 맵 조인(Map Join)
----------------------------------------------------------------------------------------------
        VERTICES      MODE        STATUS  TOTAL  COMPLETED  RUNNING  PENDING  FAILED  KILLED  
----------------------------------------------------------------------------------------------
Map 1 .......... container     SUCCEEDED     31         31        0        0       0       0  
Map 2 .......... container     SUCCEEDED      1          1        0        0       0       0  
----------------------------------------------------------------------------------------------
VERTICES: 02/02  [==========================>>] 100%  ELAPSED TIME: 75.14 s    
----------------------------------------------------------------------------------------------

# 셔플 조인(Shuffle Join, Merge Join)
----------------------------------------------------------------------------------------------
        VERTICES      MODE        STATUS  TOTAL  COMPLETED  RUNNING  PENDING  FAILED  KILLED  
----------------------------------------------------------------------------------------------
Map 1 .......... container     SUCCEEDED     33         33        0        0       0       0  
Map 3 .......... container     SUCCEEDED      1          1        0        0       0       0  
Reducer 2 ...... container     SUCCEEDED   1009       1009        0        0       0       0  
----------------------------------------------------------------------------------------------
VERTICES: 03/03  [==========================>>] 100%  ELAPSED TIME: 130.73 s   
----------------------------------------------------------------------------------------------

실행 계획 확인

맵 조인

hive (sample_db)> explain CREATE TABLE join_test
                 > AS
                 > select a.deviceid, b.cnty_cd
                 >   from db_a.table_a a, 
                 >        db_b.table_b b
                 >  where a.date = '20191020'
                 >    and a.code = b.code_cd
                 > ;
OK
Plan optimized by CBO.

Vertex dependency in root stage
Map 1 <- Map 2 (BROADCAST_EDGE)

Stage-3
  Stats-Aggr Operator
    Stage-4
      Create Table Operator:
        name:sample_db.join_test
        Stage-2
          Dependency Collection{}
            Stage-1
              Map 1
              File Output Operator [FS_10]
                table:{"name:":"sample_db.join_test"}
                Select Operator [SEL_9] (rows=290865947 width=2073)
                  Output:["_col0","_col1"]
                  Map Join Operator [MAPJOIN_15] (rows=290865947 width=2073)
                    Conds:SEL_2._col1=RS_7.UDFToString(_col0)(Inner),HybridGraceHashJoin:true,Output:["_col0","_col4"]
                  <-Map 2 [BROADCAST_EDGE]
                    BROADCAST [RS_7]
                      PartitionCols:UDFToString(_col0)
                      Select Operator [SEL_5] (rows=513 width=10)
                        Output:["_col0","_col1"]
                        Filter Operator [FIL_14] (rows=513 width=10)
                          predicate:code_cd is not null
                          TableScan [TS_3] (rows=513 width=10)
                            db_b@table_b,b,Tbl:COMPLETE,Col:NONE,Output:["code_cd","cnty_cd"]
                  <-Select Operator [SEL_2] (rows=264423583 width=2073)
                      Output:["_col0","_col1"]
                      Filter Operator [FIL_13] (rows=264423583 width=2073)
                        predicate:code is not null
                        TableScan [TS_0] (rows=264423583 width=2073)
                          db_a@table_a,a,Tbl:COMPLETE,Col:NONE,Output:["deviceid","code"]
        Stage-0
          Move Operator
             Please refer to the previous Stage-1

Time taken: 0.143 seconds, Fetched: 39 row(s)

셔플 조인

hive (sample_db)> explain CREATE TABLE join_test
                 > AS
                 > select a.deviceid, b.cnty_cd
                 >   from db_a.table_a a, 
                 >        db_b.table_b b
                 >  where a.date = '20191020'
                 >    and a.code = b.code_cd
                 > ;
OK
Plan optimized by CBO.

Vertex dependency in root stage
Reducer 2 <- Map 1 (SIMPLE_EDGE), Map 3 (SIMPLE_EDGE)

Stage-3
  Stats-Aggr Operator
    Stage-4
      Create Table Operator:
        name:sample_db.join_test
        Stage-2
          Dependency Collection{}
            Stage-1
              Reducer 2
              File Output Operator [FS_10]
                table:{"name:":"sample_db.join_test"}
                Select Operator [SEL_9] (rows=290865947 width=2073)
                  Output:["_col0","_col1"]
                  Merge Join Operator [MERGEJOIN_15] (rows=290865947 width=2073)
                    Conds:RS_6._col1=RS_7.UDFToString(_col0)(Inner),Output:["_col0","_col4"]
                  <-Map 1 [SIMPLE_EDGE]
                    SHUFFLE [RS_6]
                      PartitionCols:_col1
                      Select Operator [SEL_2] (rows=264423583 width=2073)
                        Output:["_col0","_col1"]
                        Filter Operator [FIL_13] (rows=264423583 width=2073)
                          predicate:code is not null
                          TableScan [TS_0] (rows=264423583 width=2073)
                            db_a@table_a,a,Tbl:COMPLETE,Col:NONE,Output:["deviceid","code"]
                  <-Map 3 [SIMPLE_EDGE]
                    SHUFFLE [RS_7]
                      PartitionCols:UDFToString(_col0)
                      Select Operator [SEL_5] (rows=513 width=10)
                        Output:["_col0","_col1"]
                        Filter Operator [FIL_14] (rows=513 width=10)
                          predicate:code_cd is not null
                          TableScan [TS_3] (rows=513 width=10)
                            db_b@table_b,b,Tbl:COMPLETE,Col:NONE,Output:["code_cd","cnty_cd"]
        Stage-0
          Move Operator
             Please refer to the previous Stage-1

Time taken: 0.146 seconds, Fetched: 42 row(s)

 

두 쿼리의 실행계획을 확인해 보면 셔플조인은 리듀서 단계가 추가되는 것을 확실하게 알 수 있습니다. 하이브 조인의 빠른 처리를 위해서는 되도록 맵조인을 실행하도록 하는 것이 좋습니다.

 

mapjoin vs shufflejoin

맵조인을 위한 설정은 다음과 같습니다.

-- 맵조인 적용을 위한 설정. 기본 10MB로 설정 
set hive.auto.convert.join=true;
set hive.auto.convert.join.noconditionaltask.size=10000000;
반응형
저작자표시 비영리 동일조건 (새창열림)

'빅데이터 > hive' 카테고리의 다른 글

[hive] Gzip파일 처리 중 Unexpected end of input stream 오류 해결 방법  (0) 2020.07.17
[hive] 맵 조인 처리 기준 사이즈 확인  (0) 2020.06.11
[hive] collect_list()와 같은 UDAF 함수의 GC 오류 해결 방법  (0) 2020.06.01
[hive] 하이브 매크로(macro)  (0) 2020.04.22
[hive] This command is not allowed on an ACID table default.table_name with a non-ACID transaction manager 오류 해결 방법  (0) 2020.03.17
'빅데이터/hive' 카테고리의 다른 글
  • [hive] Gzip파일 처리 중 Unexpected end of input stream 오류 해결 방법
  • [hive] 맵 조인 처리 기준 사이즈 확인
  • [hive] collect_list()와 같은 UDAF 함수의 GC 오류 해결 방법
  • [hive] 하이브 매크로(macro)
hs_seo
hs_seo
Hello World!
    반응형
  • hs_seo
    개발자로 살아남기
    hs_seo
  • 전체
    오늘
    어제
    • 전체 (1140)
      • 개발자 (21)
        • 개발에 유의할 점 (0)
        • 면접 (5)
      • IT 소식 (5)
        • 업계 (1)
      • java (51)
        • 디자인패턴 (3)
        • apache-common (1)
      • 개념 (47)
        • 자료구조 (4)
        • 함수형사고 (8)
        • 디자인패턴 (1)
      • 데이터분석 (1)
      • python (67)
        • 코드조각 (12)
        • 라이브러리 (2)
      • 빅데이터 (418)
        • zookeeper (5)
        • hadoop (78)
        • hdfs (12)
        • hive (127)
        • hbase (16)
        • spark (40)
        • scala (4)
        • trino (3)
        • oozie (41)
        • Hue (9)
        • R (5)
        • sqoop (6)
        • flume (3)
        • elasticsearch (2)
        • airflow (16)
        • kafka (3)
        • kubernetes (10)
        • openstack (3)
        • flink (2)
        • redis (2)
      • 빅데이터 강좌 (2)
      • 알고리즘 (131)
        • 알고리즘 (1)
        • 백준 (61)
        • 정올 (41)
        • 더블릿 (5)
        • 프로그래머스 (1)
      • 프로그래밍 언어 (30)
        • go (4)
        • js (9)
        • .Net (6)
        • Jsp (1)
        • ansible (3)
        • terraform (6)
      • Tools (56)
        • docker (2)
        • macbook (6)
        • maven (3)
        • sublime (1)
      • 프레임워크 (25)
        • [JS] angularjs (2)
        • [JS] node.js (19)
        • [Java] spring (2)
        • Android (2)
      • 데이타베이스 (43)
        • SQLD (5)
        • Oracle (1)
        • MySQL (8)
        • ADsP (2)
      • 리눅스 (25)
        • Bash (61)
      • GCP (5)
      • AWS (34)
        • EC2 (2)
        • EMR (14)
      • 정보보안기사 (4)
        • 네트워크 (1)
      • 개인 (80)
        • 업무실수 (0)
        • 책 (9)
        • 교육 (3)
        • 여행 (17)
        • 영화 (12)
        • 음악 (2)
        • 피규어 (4)
        • 게임 (3)
        • 생각 (7)
        • 기타 (10)
        • 좋은글 (5)
        • 좋은 사이트 (2)
  • 블로그 메뉴

    • 홈
    • 태그
    • 미디어로그
    • 위치로그
    • 방명록
  • 링크

    • 빅데이터-하둡,하이브로 시작하기
    • 빅데이터-스칼라, 스파크로 시작하기
    • Kaggle에서 파이썬으로 데이터 분석 시작하기
    • 쉘스크립트 개발 시작하기
    • 개발자가 데이터 분석 준전문가 되기
    • 데브쿠마
  • 공지사항

  • 인기 글

  • 태그

    정올
    emr
    알고리즘
    Hadoop
    하이브
    nodejs
    오류
    Python
    다이나믹
    error
    하둡
    hbase
    Tez
    HDFS
    yarn
    build
    백준
    java
    bash
    mysql
    k8s
    HIVE
    Linux
    SPARK
    ubuntu
    파이썬
    airflow
    S3
    oozie
    AWS
  • 최근 댓글

  • 최근 글

  • hELLO· Designed By정상우.v4.10.6
hs_seo
[hive] 맵조인과 셔플조인(Map Join vs Shuffle Join)
상단으로

티스토리툴바