Spark SQL ガイド

ヒント

説明

ヒントは、ユーザーが Spark SQL に実行計画の生成に特定の方式を使用するように提案する方法を提供します。

構文

/*+ hint [ , ... ] */

パーティショニングヒント

パーティショニングヒントを使用すると、ユーザーは Spark が従うべきパーティショニング戦略を提案できます。COALESCE、REPARTITION、REPARTITION_BY_RANGE ヒントがサポートされており、それぞれ coalesce、repartition、repartitionByRange の Dataset API と同等です。REBALANCE はヒントとしてのみ使用できます。これらのヒントは、ユーザーにパフォーマンスを調整し、Spark SQL での出力ファイル数を制御する方法を提供します。複数のパーティショニングヒントが指定されている場合、論理計画には複数のノードが挿入されますが、オプティマイザーは最も左側のヒントを選択します。

パーティショニングヒントの種類

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(3) */ * FROM t;

SELECT /*+ REBALANCE(c) */ * FROM t;

SELECT /*+ REBALANCE(3, c) */ * FROM t;

-- 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>

JOINヒント

JOINヒントは、ユーザーが Spark に使用させる JOIN 戦略を提案できるようにします。Spark 3.0 より前は、BROADCAST JOIN ヒントのみがサポートされていました。MERGE、SHUFFLE_HASH、SHUFFLE_REPLICATE_NL JOIN ヒントのサポートは 3.0 で追加されました。JOIN の両側に異なる JOIN 戦略ヒントが指定されている場合、Spark は次の順序でヒントを優先します：BROADCAST > MERGE > SHUFFLE_HASH > SHUFFLE_REPLICATE_NL。両側が BROADCAST ヒントまたは SHUFFLE_HASH ヒントで指定されている場合、Spark は JOIN タイプとリレーションのサイズに基づいてビルド側を選択します。指定された戦略がすべての JOIN タイプをサポートしているわけではないため、Spark がヒントで提案された JOIN 戦略を使用することを保証するものではありません。

JOINヒントの種類

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, Spark
-- prioritizes the BROADCAST hint over the MERGE hint over the SHUFFLE_HASH hint
-- over the SHUFFLE_REPLICATE_NL hint.
-- Spark 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;