Hive严格模式
Hive提供了一个严格模式,可以防止用户执行那些可能产生意向不到的不好的效果的查询。说通俗一点就是这种模式可以阻止某些查询的执行。通过如下语句设置严格模式:
[java] view plain copy
- hive> set hive.mapred.mode=strict;
设置为严格模式后,可以禁止3种类型的查询:
(1):带有分区的表的查询
如果在一个分区表执行hive,除非where语句中包含分区字段过滤条件来显示数据范围,否则不允许执行。换句话说就是在严格模式下不允许用户扫描所有的分区。进行这个限制的原因是,通常分区表都拥有非常大的数据集,而且数据增加迅速。如果不进行分区限制的查询会消耗巨大的资源来处理,如下不带分区的查询语句:
[java] view plain copy
- hive> SELECT DISTINCT(planner_id) FROM fracture_ins WHERE planner_id=5;
执行后会出现如下错误:
[java] view plain copy
- FAILED: Error in semantic analysis: No Partition Predicate Found for Alias "fracture_ins" Table "fracture_ins
解决方案是在where中增加分区条件:
[java] view plain copy
- hive> SELECT DISTINCT(planner_id) FROM fracture_ins
- > WHERE planner_id=5 AND hit_date=20120101;
(2):带有order by的查询
对于使用了order by的查询,要求必须有limit语句。因为order by为了执行排序过程会将所有的结果分发到同一个reduce中进行处理,强制要求用户增加这个limit语句可以防止reduce额外消耗资源,如下是不带limit关键字的查询语句:
[java] view plain copy
- hive> SELECT * FROM fracture_ins WHERE hit_date>2012 ORDER BY planner_id;
出现如下错误:
[java] view plain copy
- FAILED: Error in semantic analysis: line 1:56 In strict mode,
- limit must be specified if ORDER BY is present planner_id
解决方案就是增加一个limit关键字:
[java] view plain copy
- hive> SELECT * FROM fracture_ins WHERE hit_date>2012 ORDER BY planner_id
- > LIMIT 100000;
(3):限制笛卡尔积的查询
对关系型数据库非常了解的用户可能期望在执行join查询的时候不适用on语句而是使用where语句,这样关系型数据库的执行优化器就可以高效的将where语句转换成那个on语句了。不幸的是,Hive并不支持这样的优化,因为如果表非常大的话,就会出现不可控的情况,如下是不带on的语句:
[java] view plain copy
- hive> SELECT * FROM fracture_act JOIN fracture_ads
- > WHERE fracture_act.planner_id = fracture_ads.planner_id;
出现如下错误:
[java] view plain copy
- FAILED: Error in semantic analysis: In strict mode, cartesian product
- is not allowed. If you really want to perform the operation,
- +set hive.mapred.mode=nonstrict+
解决方案就是加上on语句:
[java] view plain copy
- hive> SELECT * FROM fracture_act JOIN fracture_ads
- > ON (fracture_act.planner_id = fracture_ads.planner_id);