Hive优化之谓词下推

Hive优化之谓词下推

解释

Hive谓词下推(Predicate pushdown)

1. 关系型数据库借鉴而来，关系型数据中谓词下推到外部数据库用以减少数据传输

2. 基本思想：尽可能早的处理表达式

3. 属于逻辑优化，优化器将谓词过滤下推到数据源，使物理执行跳过无关数据

4. 参数打开设置：hive.optimize.ppd=true

两种生效形式

形式1：

select a.id,a.value1,b.value2 from table1 a
join (select b.* from table2 b where b.ds>='20181201' and b.ds<'20190101') c
on (a.id=c.id)

最推荐形式1的方法，虽然看着非常的土，但却是最好的方法

形式2：

select a.id,a.value1,b.value2 from table1 a
join table2 b on a.id=b.id
where b.ds>='20181201' and b.ds<'20190101'

使用外连接失效

select a.id,a.value1,b.value2 from table1 a
left outer join table2 b on a.id=b.id
where b.ds>='20181201' and b.ds<'20190101'

讨论

join、left join、right join、full outer join谓词下推生效与失效的情况
基于上述讨论总结一份PPD规则表

参考资料

Hadoop 过滤,映射,谓词下推基本概念
hive谓词下推的失效与生效
Hive中的Predicate Pushdown Rules（谓词下推规则)

Changelog

181203创建
181130了解谓词下推名词