Hive 调整inputsplit size来增加MAP数-低调大师

Hive 调整inputsplit size来增加MAP数

2017-11-14 606

线上一个Hive（CDH4.2.0）的清洗Job出错，查看日志发现其中一个MAP OOME：

查看了日志这个HQL是2个表进行Join，splits=2即开了2个MAP进行分别处理，其中一个大表123MB（<dfs.block.size=128MB），500W行左右，应该是数据量超过了MAP的内存了，通过对比前一天的日志可以确认：

由于是临时表，设置了mapred.reduce.tasks=20重跑新生成临时表，Join清洗成功：

由于MR的inputsplit size=min{minsplitsize,max{maxsplitsize,blocksize}}，因此想是否可以通过设置mapred.max.split.size=32MB来起多个MAP这种方式解决呢，尝试后发现仍然是2个MAP；以为是BugMAPREDUCE-2046，但是CDH4.2已经merge进来,看了一圈由于sequencefileinputformat是老的mapreduce api接口，修改一下hive.input.format然后通过设置mapred.map.tasks增加果然起了预期的MAP数；

本文转自MIKE老毕 51CTO博客，原文链接：http://blog.51cto.com/boylook/1298637，如需转载请自行联系原作者

微信关注我们

原文链接：https://yq.aliyun.com/articles/476875

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

减少HQL 的MAP数

说下遇到的另外一个CASE：在排查一个线上问题的过程中发现callqueue这几天出现了spike：继续查看发现最近的waiting_maps数和spike非常match 进而通过grace定位到了一个具体业务的Hive清洗Job：发现这个Hive表A有大量的小文件（最大的才16MB），这个表A是通过对一个外部表B以insert select方式生成的，而hive.merge.smallfiles.avgsize是默认值（16MB），所以在生成后map也只是最大merge到了16MB左右；将hive.merge.smallfiles.avgsize修改为dfs.block.size，同时将当前这个查询表A的Job加上了set mapred.min.split.size=dfs.block.size*2; setmapred.min.split.size.per.node= dfs.block.size*2；set mapred.min.split.size.per.rack= dfs.block.size*2重跑，果然在不降低运行时间的基础上把MAP数大大降低了；本文转自MIKE...

2017-11-15

548

前面已经完成Zookeeper和HDFS的安装，本文会详细介绍Hbase的安装步骤。以及安装过程中遇到问题的汇总。系列文章： Hadoop集群(一) Zookeeper搭建 Hadoop集群(二) HDFS搭建 Hadoop集群(四) Hadoop升级下面开始Hbase的安装。 Hbase的服务器规划 1 2 3 192.168.67.101c6701 --Master+regionserver 192.168.67.102c6702 --Master(standby)+regionserver 192.168.67.103c6703 --regionserver ---在c6701上安装Hbase 1. 创建hbase用户，及创建相关目录 1 2 3 4 5 6 7 8 su-root useraddhbase echo "hbase:hbase" |chpasswd mkdir-p/data/zookeeper mkdir-p/data/hbase/tmp mkdir-p/data/hbase/logs chown-Rhbase:hbase/data/hbase chown-R...

2017-11-15

704

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。