编辑-我不关心的倾斜或事情是缓慢的。我发现慢的原因更多的是在我的左外连接的许多比赛中多次连接。。。请跳到下面。
我有一个倾斜表的问题，也就是说，要连接的键比其他键多得多。我的问题是，我有一个以上的关键与许多行中的外观。
此表和我要加入的表的统计信息：较大的表：totalsize=47431500000，numrows=509500000，rawdatasize=47022050000 21052个不同键较小的表：totalsize=1154984612，numrows=13780692，rawdatasize=1141203920和39313个不同键
较小的表也有重复的键行。另一个挑战是我需要从较小的表中随机选择一个匹配的键。
到目前为止，我尝试了：

set hive.auto.convert.join=true;
set hive.mapjoin.smalltable.filesize=1155mb;

和

CREATE TABLE joined_table AS SELECT * FROM (
select * from larger_table as a 
LEFT OUTER JOIN smaller_table as b 
on a.key = b.key 
ORDER BY RAND()
)b;

它已经跑了一天了。
我想手动做一些类似的事情，但是，我有一个以上的关键是有一吨，所以我将不得不使一堆表和合并他们。如果这是我唯一的选择，我可以这么做
但我很想联系你们。
提前谢谢你的帮助
编辑6月20日我发现尝试：设置hive.optimize.skewjoin=true；设置hive.skewjoin.key=200000；我已经创建了几个单独的表来分离和连接出现最高的键，因此现在剩下的表中出现最高的键是200k。根据网络界面上的工作跟踪器显示，运行查询加入其余的人现在花了25分钟，成功地完成了所有任务。在hiveshell的命令行上，它仍然在那里，当我去检查时，表不存在。

**在大量阅读和尝试大量sql配置单元代码后编辑#2。。。理论上应该有效的1解决方案不起作用，特别是order by rand（）从未发生过。。。

CREATE TABLE joined_table AS SELECT * FROM (
select * from larger_table as a 
JOIN 
(SELECT *, row_number() over (partition by key order by rand() )
from smaller_table) as b
on a.key = b.key 
and b.row_num=1
)b;

在结果中，它与第一行匹配，而不是rand（）行。。
有没有其他的选择或者我做错了什么？