Maxcompute-Distributed MapJoin原理
介绍
Distributed MapJoin是MapJoin的升级版,适用于大表Join中表的场景,二者的核心目的都是为了减少大表侧的Shuffle和排序。
注意事项
(1) Join两侧的表数据量要求不同,大表侧数据在10 TB以上,中表侧数据在[1 GB, 100 GB]范围内。
(2) 小表侧的数据需要均匀分布,没有明显的长尾,否则单个分片会产生过多的数据,导致OOM(Out Of Memory)及RPC(Remote Procedure Call)超时问题。
(3) SQL任务运行时间在20分钟以上,建议使用Distributed MapJoin进行优化。
(4) 由于在执行任务时,需要占用较多的资源,请避免在较小的Quota组运行。
使用方法
您需要在select语句中使用Hint提示/*+distmapjoin(<table_name>(shard_count=<n>,replica_count=<m>))*/才会执行distmapjoin。shard_count和replica_count共同决定任务运行的并发度,即并发度=shard_count * replica_count。
参数说明
table_name:目标表名。
shard_count=<n>:设置小表数据的分片数,小表数据分片会分布至各个计算节点处理。n即为分片数,一般按奇数设置。
说明
shard_count值建议手动指定,shard_count值可以根据小表数据量来大致估算,预估一个分片节点处理的数据量范围是[200 MB, 500 MB]。
shard_count设置过大,性能和稳定性会受影响;shard_count设置过小,会因内存使用过多而报错。
replica_count=<m>:设置小表数据的副本数。m即为副本数,默认为1。
为了减少访问压力以及避免单个节点失效导致整个任务失败,同一个分片的数据,可以有多个副本。当并发过多,或者环境不稳定导致运行节点频繁重启,可以适当提高replica_count,一般建议为2或3。
语法示例
-- 推荐,指定shard_count(replica_count默认为1)
/*+distmapjoin(a(shard_count=5))*/
-- 推荐,指定shard_count和replica_count
/*+distmapjoin(a(shard_count=5,replica_count=2))*/
-- distmapjoin多个小表
/*+distmapjoin(a(shard_count=5,replica_count=2),b(shard_count=5,replica_count=2)) */
-- distmapjoin和mapjoin混用
/*+distmapjoin(a(shard_count=5,replica_count=2)),mapjoin(b)*/
执行流程
左侧为原执行计划,M1是小表,右侧为使用Distributed MapJoin之后的Plan:
1.小表一侧分为M1,R2_1 两个Stage。
(1)M1阶段读表并进行shuffle,shuffle的过程将数据分片(shard),使得具有相同hash value的数据分发到同一个worker。
(2)R2_1(HashTableBuilder1),server端。完成HashTable的构建并常驻内存,接受client端(DistributedMapJoin1)请求完成Lookup查询并返回values。多个shard共同组合成一个分布式的hash table services,shard数量可以手动调整。各shard的service一旦启动,需要等待client端(DistributedMapJoin1)完成所有的request请求后才stop。
2.大表一侧为Stage M3_2。
M3_2(DistributedMapJoin1),client端。通过网络传输方式将大表probe端的join keys,分batches往server端(HashTableBuilder1)发起request请求并获取返回values。由于server端的数据已经按照hash value分shard,client端可以根据数据的特征只请求特定的shard。
检查是否生效
通过logview查看任务运行情况:
(1)可以看到小表在Map job后会有一个Reduce job,并且Instance数量和shard_count数量相同;
(2)在同大表关联的时候stdout日志中可以看到distributeMapjoin的算子。
本文来自博客园,作者:业余砖家,转载请注明原文链接:https://www.cnblogs.com/yeyuzhuanjia/articles/17921785.html