Filter、Project及Pushdowns实例分析

发布时间：2022-01-04 10:32:54 作者：柒染
来源：亿速云阅读：141

今天就跟大家聊聊有关Filter、Project及Pushdowns实例分析，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

1. Filter（过滤）和 Project（映射）

在传统的 OLAP 系统中，在进行 Join 的时候使用过滤和映射会极大的提高性能。同样的，在 Hadoop 中使用 Filter 和 Projection 同样可以提高效率，由于减少了一个管道需要处理的数据量。在Hadoop中减少处理的数据量是至关重要的，尤其当需要通过网络和本地磁盘进行处理的时候。我们都知道，MapReduce 的shuffle 过程会将数据通过网络写入到磁盘中，所以拥有更少的数据就意味着Job 和 MapReduce 框架的工作量也就越少，这样Job的数据传输也会更快，CPU、磁盘、网络设备的压力也会减少。

使用 filters 和 projection 来减少数据大小

Filter 和 projections 最后靠近数据源进行执行；在MapReduce中，最好在mapper中执行。以下代码显示了一个排除30岁以下的用户，并且只映射他们的姓名和状态：

   
     
   
   
    public static class JoinMap extends Mapper<LongWritable, Text, Text, Text> {
      
    
        @Override
      
    
        protected void map(LongWritable offset, Text value, Context context)
      
    
            throws IOException, InterruptedException {
      
    
    

      
    
          User user = User.fromText(value);
      
    
          if (user.getAge() >= 30) {
      
    
            context.write(new Text(user.getName()),
      
    
                new Text(user.getState()));
      
    
          }
      
    
        }
      
    
      }

在 Join 中使用 filter 需要注意的是，并不是所有连接的数据集都包含你需要过滤的字段。对于这种情况，你需要使用Bloom filter 方法。

2. Pushdowns

谓词下推（predicate pushdown）属于逻辑优化。优化器可以将谓词过滤下推到数据源，从而使物理执行跳过无关数据。在使用Parquet的情况下，更可能存在文件被整块跳过的情况，同时系统还通过字典编码把字符串对比转换为开销更小的整数对比。在关系型数据库中，谓词则被下推到外部数据库用以减少数据传输。

通过以下这张图，我们可以发现，谓词下推在逻辑层面可以理解为利用where 条件中的过滤条件将无用的数据进行筛选掉最终得到需要的行列。