列裁剪(分区裁剪):将为查询的字段以及分区过滤,从而减少加载的数据量。
Map端聚合配置:在map端惊醒聚合,减少shuffle过程;
谓词下推:限制条件进行提前过滤,减少下游处理的数据量;
空值过滤:提前惊醒空值过滤,避免空值引起倾斜;
目前,hive中谓词下推、map端聚合参数是默认开启的。本文中简单的介绍sql优化方式中的谓词下推的方式及适用的场景。
谓词下推的原理是将sql 中的限制条件的逻辑尽可能的提前在sql 中执行,从而减少加载的数据量,提升下游数据处理的效率以及减少内存消耗。该种方式在hive,MySQL,Doris的语法中均适用 。在hive中,对应的逻辑优化器是PredicatePushDown,打开谓词下推可以通过命令 hive (default)> set hive.optimize.ppd = true;在hive中,默认是true。Doris中,从CBO优化器 tree ReWrite中也可以实现该优化。
sql中常用的谓词及即sql查询条件中返回值为true的函数或是隐式转换为boolean的函数。如”where”、”on”、”limit”、”and”、”like”、”is null”等常用函数。其出现在多表关联的场景中,关联又left join,right join ,inner join以及full join。
下推场景总结
where | on | |||
左表 | 右表 | 左表 | 右表 | |
left join | 下推 | 否 | 下推 | 下推 |
join | 下推 | 下推 | 下推 | 下推 |
right join | 否 | 下推 | 下推 | 下推 |
full join | 否 | 否 | 否 | 否 |