CASE4中的优化代码是如何针对带Distinct的Count算子进行优化的？
CASE4中的优化代码是如何针对带Distinct的Count算子进行优化的？
展开
收起
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
1
条回答
写回答
-
CASE4中的优化代码通过在子查询中对app_id和user_id进行GROUP BY操作，实现了在Map阶段的预聚合。这样，在Map Task的输出阶段，数据会根据app_id和user_id进行Hash分区，避免了在Reduce阶段因热点数据导致的数据倾斜。虽然Shuffle过程中的明细数据传输量没有减少，但通过增加计算阶段和改变Hash分区字段，优化了运行时间。
2024-05-29 20:28:34赞同 展开评论
相关问答