Módosítók
A következőkre vonatkozik: Databricks SQL Databricks Runtime
Konkrét módszereket javasolhat végrehajtási terv létrehozásához.
Syntax
/*+ { partition_hint | join_hint | skew_hint } [, ...] */
Particionálási tippek
A particionálási tippek segítségével olyan particionálási stratégiát javasolhat, amelyet az Azure Databricksnek követnie kell.
COALESCE
, REPARTITION
és REPARTITION_BY_RANGE
a tippek támogatottak, és egyenértékűek coalesce
az , repartition
és repartitionByRange
az Adathalmaz API-kkal.
Ezek a tippek lehetővé teszik a teljesítmény finomhangolását és a kimeneti fájlok számának szabályozását.
Ha több particionálási tipp van megadva, a rendszer több csomópontot szúr be a logikai tervbe, de a bal szélső tippet az optimalizáló választja ki.
Syntax
partition_hint
COALESCE ( part_num ) |
REPARTITION ( { part_num | [ part_num , ] column_name [ , ...] } ) |
REPARTITION_BY_RANGE ( column_name [, ...] [, part_num] ) |
REBALANCE [ ( column_name [, ...] ) ]
Particionálási tipptípusok
COALESCE ( part_num )
Csökkentse a partíciók számát a megadott számú partícióra. Paraméterként egy partíciószámot vesz igénybe.
REPARTITION ( { part_num | [ part_num , ] column_name [ , ...] } )
A megadott számú partícióhoz való újraparticionálás a megadott particionálási kifejezések használatával. Paraméterként partíciószámot, oszlopneveket vagy mindkettőt használ.
REPARTITION_BY_RANGE ( column_name [, ...] [, part_num]
A megadott számú partícióhoz való újraparticionálás a megadott particionálási kifejezések használatával. Paraméterként oszlopneveket és opcionális partíciószámot használ.
REBALANCE [ ( column_name [, ...] ) ]
A
REBALANCE
tipp a lekérdezés eredménykimeneti partícióinak újraegyensúlyozására használható, így minden partíció mérete ésszerű (nem túl kicsi és nem túl nagy). Az oszlopneveket paraméterként használhatja, és megpróbálhatja a lehető legjobban particionelni a lekérdezés eredményét ezekkel az oszlopokkal. Ez a legjobb megoldás: ha van ferdeség, a Spark felosztja a ferde partíciókat, hogy ezek a partíciók ne legyenek túl nagyok. Ez a tipp akkor hasznos, ha a lekérdezés eredményét egy táblába kell írnia, hogy elkerülje a túl kicsi/nagy fájlokat. A rendszer figyelmen kívül hagyja ezt a tippet, ha az AQE nincs engedélyezve.-
Egy oszlop vagy alias közzétett neve az újraparticionáláshoz vagy kiegyensúlyozáshoz.
part_num
Egy integrál számkonstans. Az újraparticionálásra kijelölt partíciók száma.
Példák
> SELECT /*+ COALESCE(3) */ * FROM t;
> SELECT /*+ REPARTITION(3) */ * FROM t;
> SELECT /*+ REPARTITION(c) */ * FROM t;
> SELECT /*+ REPARTITION(3, c) */ * FROM t;
> SELECT /*+ REPARTITION_BY_RANGE(c) */ * FROM t;
> SELECT /*+ REPARTITION_BY_RANGE(3, c) */ * FROM t;
> SELECT /*+ REBALANCE */ * FROM t;
> SELECT /*+ REBALANCE(c) */ * FROM t;
-- When a column name has been occluded by an alias you must refere to it by the alias name.
> SELECT /*+ REBALANCE(d) */ * FROM t AS s(d);
-- multiple partitioning hints
> EXPLAIN EXTENDED SELECT /*+ REPARTITION(100), COALESCE(500), REPARTITION_BY_RANGE(3, c) */ * FROM t;
== Parsed Logical Plan ==
'UnresolvedHint REPARTITION, [100]
+- 'UnresolvedHint COALESCE, [500]
+- 'UnresolvedHint REPARTITION_BY_RANGE, [3, 'c]
+- 'Project [*]
+- 'UnresolvedRelation [t]
== Analyzed Logical Plan ==
name: string, c: int
Repartition 100, true
+- Repartition 500, false
+- RepartitionByExpression [c#30 ASC NULLS FIRST], 3
+- Project [name#29, c#30]
+- SubqueryAlias spark_catalog.default.t
+- Relation[name#29,c#30] parquet
== Optimized Logical Plan ==
Repartition 100, true
+- Relation[name#29,c#30] parquet
== Physical Plan ==
Exchange RoundRobinPartitioning(100), false, [id=#121]
+- *(1) ColumnarToRow
+- FileScan parquet default.t[name#29,c#30] Batched: true, DataFilters: [], Format: Parquet,
Location: CatalogFileIndex[file:/spark/spark-warehouse/t], PartitionFilters: [],
PushedFilters: [], ReadSchema: struct<name:string>
Csatlakozási tippek
Az illesztési tippek lehetővé teszik, hogy javaslatot tegyen a Databricks SQL által javasolt illesztési stratégiára.
Ha az illesztés mindkét oldalán különböző illesztési stratégia-tippek vannak megadva, a Databricks SQL a következő sorrendben rangsorolja a tippeket: BROADCAST
over MERGE
over over SHUFFLE_HASH
SHUFFLE_REPLICATE_NL
over .
Ha a tipp vagy a BROADCAST
tipp mindkét oldalt megadja, a SHUFFLE_HASH
Databricks SQL az illesztés típusa és a kapcsolatok mérete alapján választja ki a buildoldalt.
Mivel egy adott stratégia nem minden illesztési típust támogat, a Databricks SQL nem biztos, hogy a tipp által javasolt illesztési stratégiát használja.
Syntax
join_hint
BROADCAST ( table_name ) |
MERGE ( table_name ) |
SHUFFLE_HASH ( table_name ) |
SHUFFLE_REPLICATE_NL ( table_name )
BROADCASTJOIN
és MAPJOIN
aliasként támogatottak a következőhöz BROADCAST
: .
SHUFFLE_MERGE
és MERGEJOIN
aliasként támogatottak a következőhöz MERGE
: .
Illesztés tipptípusai
BROADCAST ( table_name )
Szórásos illesztés használata. A tipp illesztőoldala a következőtől függetlenül adásba
autoBroadcastJoinThreshold
kerül: . Ha az illesztés mindkét oldalán vannak a szórási tippek, a kisebb méretű (a statisztikák alapján) adásba kerül.MERGE ( table_name )
Az egyesítési sorrend összekapcsolásának használata.
SHUFFLE_HASH ( table_name )
Shuffle hash join használata. Ha mindkét oldal rendelkezik a shuffle hash tippekkel, a Databricks SQL a kisebb (statisztikákon alapuló) oldalt választja buildoldalként.
SHUFFLE_REPLICATE_NL ( table_name )
Használjon shuffle-and-replikált beágyazott hurokcsatlakozásokat.
-
Egy tábla vagy tábla aliasának közzétett neve, amelyre a tipp vonatkozik.
Példák
-- Join Hints for broadcast join
> SELECT /*+ BROADCAST(t1) */ * FROM t1 INNER JOIN t2 ON t1.key = t2.key;
> SELECT /*+ BROADCASTJOIN (t1) */ * FROM t1 left JOIN t2 ON t1.key = t2.key;
> SELECT /*+ MAPJOIN(t2) */ * FROM t1 right JOIN t2 ON t1.key = t2.key;
-- Join Hints for shuffle sort merge join
> SELECT /*+ SHUFFLE_MERGE(t1) */ * FROM t1 INNER JOIN t2 ON t1.key = t2.key;
> SELECT /*+ MERGEJOIN(t2) */ * FROM t1 INNER JOIN t2 ON t1.key = t2.key;
> SELECT /*+ MERGE(t1) */ * FROM t1 INNER JOIN t2 ON t1.key = t2.key;
-- Join Hints for shuffle hash join
> SELECT /*+ SHUFFLE_HASH(t1) */ * FROM t1 INNER JOIN t2 ON t1.key = t2.key;
-- Join Hints for shuffle-and-replicate nested loop join
> SELECT /*+ SHUFFLE_REPLICATE_NL(t1) */ * FROM t1 INNER JOIN t2 ON t1.key = t2.key;
-- When different join strategy hints are specified on both sides of a join, Databricks SQL
-- prioritizes the BROADCAST hint over the MERGE hint over the SHUFFLE_HASH hint
-- over the SHUFFLE_REPLICATE_NL hint.
-- Databricks SQL will issue Warning in the following example
-- org.apache.spark.sql.catalyst.analysis.HintErrorLogger: Hint (strategy=merge)
-- is overridden by another hint and will not take effect.
> SELECT /*+ BROADCAST(t1), MERGE(t1, t2) */ * FROM t1 INNER JOIN t2 ON t1.key = t2.key;
-- When a table name is occluded by an alias you must use the alias name in the hint
> SELECT /*+ BROADCAST(t1), MERGE(s1, s2) */ * FROM t1 AS s1 INNER JOIN t2 AS s2 ON s1.key = s2.key;
Ferde tippek
(Delta Lake) A tippre SKEW
vonatkozó információkért tekintse meg a ferde illesztés optimalizálását ferde tippek használatával.