map和reduce 个数的设定 (Hive优化)经典


一、<wbr><wbr><wbr>控制hive任务中的map数:</wbr></wbr></wbr><wbr></wbr>

1.<wbr><wbr><wbr>通常情况下,作业会通过input的目录产生一个或者多个map任务。</wbr></wbr></wbr><wbr><br> 主要的决定因素有: input的文件总个数,input的文件大小,集群设置的文件块大小(目前为128M, 可在hive中通过setdfs.block.size;命令查看到,该参数不能自定义修改);<br><br><span style="color:#ff0ff">2.<wbr><wbr><wbr>举例:</wbr></wbr></wbr></span><wbr><br> a)<wbr><wbr><wbr>假设input目录下有1个文件a,大小为780M,那么hadoop会将该文件a分隔成7个块(6个128m的块和1个12m的块),从而产生7个map数<br> b)<wbr><wbr><wbr>假设input目录下有3个文件a,b,c,大小分别为10m,20m,130m,那么hadoop会分隔成4个块(10m,20m,128m,2m),从而产生4个map数<br> 即,如果文件大于块大小(128m),那么会拆分,如果小于块大小,则把该文件当成一个块。<br><br><span style="color:#ff0ff">3.<wbr><wbr><wbr>是不是map数越多越好?</wbr></wbr></wbr></span><wbr><br> 答案是否定的。如果一个任务有很多小文件(远远小于块大小128m),则每个小文件也会被当做一个块,用一个map任务来完成,<br> 而一个map任务启动和初始化的时间远远大于逻辑处理的时间,就会造成很大的资源浪费。<br> 而且,同时可执行的map数是受限的。</wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

<wbr></wbr>

4.<wbr><wbr><wbr>是不是保证每个map处理接近128m的文件块,就高枕无忧了?</wbr></wbr></wbr><wbr><br> 答案也是不一定。比如有一个127m的文件,正常会用一个map去完成,但这个文件只有一个或者两个小字段,却有几千万的记录,<br> 如果map处理的逻辑比较复杂,用一个map任务去做,肯定也比较耗时。<br><br> 针对上面的问题3和4,我们需要采取两种方式来解决:即减少map数和增加map数;<br><br><strong><span style="color:#ff00">如何合并小文件,减少map数?</span><wbr></wbr></strong><br><wbr><wbr><wbr>假设一个SQL任务:<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>Select count(1) from popt_tbaccountcopy_mes where pt =‘2012-07-04’;<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>该任务的inputdir<wbr>/group/p_sdo_data/p_sdo_data_etl/pt/popt_tbaccountcopy_mes/pt=2012-07-04<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>共有194个文件,其中很多是远远小于128m的小文件,总大小9G,正常执行会用194个map任务。<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>Map总共消耗的计算资源: SLOTS_MILLIS_MAPS= 623,020<br><br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>我通过以下方法来在map执行前合并小文件,减少map数:<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>set mapred.max.split.size=100000000;<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr> setmapred.min.split.size.per.node=100000000;<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr> setmapred.min.split.size.per.rack=100000000;<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr> sethive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>再执行上面的语句,用了74个map任务,map消耗的计算资源:SLOTS_MILLIS_MAPS=333,500<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>对于这个简单SQL任务,执行时间上可能差不多,但节省了一半的计算资源。<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>大概解释一下,100000000表示100M, sethive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;这个参数表示执行前进行小文件合并,<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>前面三个参数确定合并文件块的大小,大于文件块大小128m的,按照128m来分隔,小于128m,大于100m的,按照100m来分隔,把那些小于100m的(包括小文件和分隔大文件剩下的),<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>进行合并,最终生成了74个块。<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><br><strong><span style="color:#ff00">如何适当的增加map数?</span><wbr></wbr></strong><br><br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>当input的文件都很大,任务逻辑复杂,map执行非常慢的时候,可以考虑增加Map数,来使得每个map处理的数据量减少,从而提高任务的执行效率。<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>假设有这样一个任务:<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>Select data_desc,<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>count(1),<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr>count(distinct id),<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr> sum(casewhen …),<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr> sum(casewhen ...),<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr><wbr> sum(…)<br><wbr><wbr><wbr><wbr><wbr><wbr><wbr>from a group by data_desc<br><wbr><wbr><wbr><wbr><wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr></wbr>

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值