大数据Hive系列之Hive MapReduce

1.  JOIN

1.1  join操作

INSERT OVERWRITE TABLE pv_users 
SELECT pv.pageid, u.age FROM page_view pv JOIN user u ON (pv.userid = u.userid); 

1.2  MR过程

• Map

a.  以 JOIN ON 条件中的列作为 Key，如果有多个列，则 Key 是这些列的组合。
b.  以 JOIN 之后所关心的列作为 Value，当有多个列时，Value 是这些列的组合。
     在 Value 中还会包含表的 Tag 信息，用于标明此 Value 对应于哪个表。 
c.  按照 Key 进行排序。 

• Shuffle

根据 Key 的值进行 Hash，并将 Key/Value 对按照 Hash 值推至不同对 Reduce 中。 

• Reduce

Reduce根据 Key 值进行 Join 操作，并且通过 Tag 来识别不同的表中的数据。 

1.3  MR过程图

---

2.  GROUP BY

2.1  group by操作

SELECT pageid, age, count(1) FROM pv_users GROUP BY pageid, age;

2.2  MR过程图

---

3.  DISTINCT

3.1  distinct操作

SELECT age, count(distinct pageid) FROM pv_users GROUP BY age; 

3.2  MR过程图