提示
适用于: Databricks SQL Databricks Runtime
建议生成执行计划的特定方法。
语法
/*+ { partition_hint | join_hint | skew_hint } [, ...] */
分区提示
可以使用分区提示来建议 Azure Databricks 应遵循的分区策略。
支持 COALESCE
、REPARTITION
和 REPARTITION_BY_RANGE
提示,它们分别等效于数据集 API coalesce
、repartition
和 repartitionByRange
。
通过这些提示,你可优化性能并控制输出文件的数量。
如果指定了多个分区提示,则会在逻辑计划中插入多个节点,但优化器会选取最左侧的提示。
语法
partition_hint
COALESCE ( part_num ) |
REPARTITION ( { part_num | [ part_num , ] column_name [ , ...] } ) |
REPARTITION_BY_RANGE ( column_name [, ...] [, part_num] ) |
REBALANCE [ ( column_name [, ...] ) ]
分区提示类型
COALESCE ( part_num )
将分区数减少到指定的分区数。 它采用分区数作为参数。
REPARTITION ( { part_num | [ part_num , ] column_name [ , ...] } )
使用指定的分区表达式将分区数调整为指定数量。 它采用分区数和/或列名称作为参数。
REPARTITION_BY_RANGE ( column_name [, ...] [, part_num]
使用指定的分区表达式将分区数调整为指定数量。 它采用列名称和分区数作为参数,其中分区数是可选项。
REBALANCE [ ( column_name [, ...] ) ]
REBALANCE
提示可用于重新平衡查询结果输出分区,使每个分区的大小合理(不小也不大)。 它可以将列名作为参数,并尽量按这些列对查询结果进行分区。 这项工作属于尽力而为:如果存在倾斜,Spark 会拆分倾斜的分区,以使这些分区不会太大。 当需要将此查询的结果写入表时,此提示很有用,可避免文件过小/过大。 如果未启用 AQE,则忽略此提示。-
要作为重新分区或重新平衡依据的列或别名的公开名称。
part_num
整数文本。 要重新分区到的分区数。
示例
> 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>
联接提示
可以使用联接提示来建议 Databricks SQL 应使用的联接策略。
如果在联接的两端指定了不同的联接策略提示,Databricks SQL 将按以下顺序设置提示优先级:BROADCAST
高于 MERGE
高于 SHUFFLE_HASH
高于 SHUFFLE_REPLICATE_NL
。
如果两端都指定有 BROADCAST
提示或 SHUFFLE_HASH
提示,Databricks SQL 会根据联接类型和关系大小选取生成端。
由于给定策略可能不支持全部联接类型,因此不保证 Databricks SQL 使用提示建议的联接策略。
语法
join_hint
BROADCAST ( table_name ) |
MERGE ( table_name ) |
SHUFFLE_HASH ( table_name ) |
SHUFFLE_REPLICATE_NL ( table_name )
支持使用 BROADCASTJOIN
和 MAPJOIN
作为 BROADCAST
的别名。
支持使用 SHUFFLE_MERGE
和 MERGEJOIN
作为 MERGE
的别名。
联接提示类型
BROADCAST ( table_name )
使用广播联接。 无论
autoBroadcastJoinThreshold
如何,都将广播带有提示的联接端。 如果联接的两端都具有广播提示,则广播较小的一端(根据统计信息确定)。MERGE ( table_name )
使用随机排序合并联接。
SHUFFLE_HASH ( table_name )
使用随机哈希联接。 如果两端都有随机哈希提示,Databricks SQL 会选择较小的一端作为生成端(根据统计信息确定)。
SHUFFLE_REPLICATE_NL ( table_name )
使用随机复制嵌套循环联接。
-
应用提示的表或表别名的公开名称。
示例
-- 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;
倾斜提示
(Delta Lake) 有关 SKEW
提示的信息,请参阅使用偏差提示的偏差联接优化。