有多条hive语句从同一张表中做count操作,语句如下:

 select pf,way,method,count(distinct id) where push_date_type ='$push_date_type' group by pf,way,method; 
select pf,way,-1,count(distinct id) where push_date_type ='$push_date_type' group by pf,way;
 ......

  想着用multi group by特性优化下效率,于是把上述语句改写成:

from push_revisit_info 
    insert overwrite table push_rpt_pf_way_mthd
        select pf,way,method,count(distinct id) where push_date_type ='$push_date_type' group by pf,way,method
    insert overwrite table push_rpt_pf_way
        select pf,way,-1,count(distinct id) where push_date_type ='$push_date_type' group by pf,way

参数hive.multigroupby.singlemr也设置成了true;

可是这条语句还是会生成两个mapreduce执行,跟未使用multi group by时MR Job数量一样,甚至执行时间还稍长。

如果这两句的group key用成一样,就会只生成一个MR Job,但不论hive.multigroupby.singlemr是true还是false,都是这样。

关于这个参数的含义,hive-default.xml是这样写的:

<property>
    <name>hive.multigroupby.singlemr</name>
    <value>false</value>
    <description>Whether to optimize multi group by query to generate single M/R
        job plan. If the multi group by query has common group by keys, it will be
        optimized to generate single M/R job.</description>
</property>

这里的common翻译成什么最合适呢?“共同的”?那依上面的经验,不用开启这个设置也会优化成一个。那么这个参数到底有什么用?multi group by又如何使用呢?  

posted on 2013-03-18 15:37  山君  阅读(2488)  评论(0编辑  收藏  举报