namenode: HDFS的文件元信息,包括位置、大小、分块信息等,保存在NameNode的内存中的,每个对象大约占用150个字节。
问题描述:hive计算时,数据输入文件的索引总量超过集群限制(10M),导致无法进行计算,job抛错
源码剖析:hive.index.compact.query.max.entries: 使用压缩索引查询时能读到的最大索引项数, 默认是10000000;负值代表无穷大;
报错截图:Failure Info:Job initialization failed: java.io.IOException: Split metadata size exceeded 10000000.
原因解析:需要查询近180天中间表(源表:edw.table)数据,数据量180个分区,每个分区720个文件,每个文件大小256G,共计180*720=129600个文件 占用namenode内存 129600*150≈18.5M 已超过hive默认配置
解决办法:
1. 输入合并。即在Map前合并小文件