SortMergeJoin不更改为广播连接
SortMergeJoin不更改为广播连接
提问于 2019-09-03 07:36:12
我有两个数据文件，比如sDF (小尺寸)和bDF (大尺寸)。我正在尝试使用BroadCastJoin加入他们。我调用了星火外壳
--conf spark.sql.autoBroadcastJoinThreshold=10737418240并通过查询验证相同：
scala> (spark.conf.get("spark.sql.autoBroadcastJoinThreshold").toLong)/1024/1024
res11: Long = 10240较小尺寸的dataframe (sDF)有以下信息：
scala> sDF.count
res14: Long = 419
scala> sDF.groupBy(spark_partition_id).count.show(1000, false)
+--------------------+-----+
|SPARK_PARTITION_ID()|count|
+--------------------+-----+
|148 |3 |
|31 |3 |
......sDF完整的细节可以看到这里
大尺寸数据挖掘(BDF)有以下信息：
scala>bDF.groupBy(spark_partition_id).count.show(10000, false)
+--------------------+--------+
|SPARK_PARTITION_ID()|count |
+--------------------+--------+
|148 |52996917|
|31 |52985656|
|137 |52991784|
|85 |52990666|
....bDF完整的细节可以看到这里
现在在这两种情况下：
- bDF.join(sDF, ..., "inner")
- bDF.join(broadcast(sDF), ..., "inner")我总是让SortMergeJoin解释。如何将其更改为广播连接？
火花版本: 2.2.1
回答 1
Stack Overflow用户
发布于 2019-09-17 23:52:29
为了强制广播连接，请禁用SortMergeJoin
spark.conf.set("spark.sql.join.preferSortMergeJoin", false)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/57774853
复制相关文章
相似问题
连接多个公用表表达式
公用表表达式出现错误
递归公用表表达式
公用表表达式基本示例
公用表表达式-递归调用
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
