hive中与hbase外部表join时内存溢出（hive处理mapjoin的优化器机制），hbasemapjoin

hive中与hbase外部表join时内存溢出（hive处理mapjoin的优化器机制），hbasemapjoin

与hbase外部表（wizad_mdm_main）进行join出现问题：
CREATE TABLE wizad_mdm_dev_lmj_edition_result as
select * 
from  wizad_mdm_dev_lmj_20141120 as w 
JOIN wizad_mdm_main as a ON (a.rowkey = w.guid);

程序启动后，死循环，无反应。最后在进行到0.83时，内存溢出失败。
原因：
默认情况下，Hive会自动将小表加到DistributeCache中，然后在Map扫描大表的时候，去和DistributeCache中的小表做join，这称为Mapjoin。
这里wizad_mdm_main是基于HBase的外部表，而这张表在HDFS上的源路径为 /hivedata/warehouse/wizad.db/wizad_mdm_main，实际这个目录为空，
因此，Hive优化器认为它是小表，所以，会将这张表数据加到DistributeCache中，造成内存溢出。




解决办法：
SET hive.auto.convert.join=false; 关闭自动转化MapJoin，默认为true;
SET hive.ignore.mapjoin.hint=false; 关闭忽略mapjoin的hints（不忽略，hints有效），默认为true(忽略hints)。
然后在查询时候使用hints，/*+ mapjoin(w) */ 将小表w (wizad_mdm_dev_lmj_edition_20141120) 加入到DistributeCache，
Map task在扫描HBase中的大表阶段，就可以完成join操作：
SET mapred.job.queue.name=queue3;
SET hbase.client.scanner.caching=5000;
SET hbase.zookeeper.quorum=datanode06,datanode07,datanode08;
SET zookeeper.znode.parent=/hbase;
set hbase.regionserver.lease.period=180000;
SET hive.auto.convert.join=false;
SET hive.ignore.mapjoin.hint=false;
 
INSERT OVERWRITE LOCAL DIRECTORY '/home/wizad/lmj/'
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
select /*+ mapjoin(w) */ cookie_id,rowkey,fixeddim_map
from wizad_mdm_dev_lmj_edition_20141120 as w JOIN wizad_mdm_main as a
ON (w.guid = a.rowkey);