1. 控制hive任务中的map数和reduce数
map数量
1.多少map数量合适:
遵循两个原则: 使大数据量利用合适的map数;使单个map任务处理合适的数据量;
2.主要决定因素:
hdfs block-- input的文件总个数,input的文件大小,集群设置的文件块大小(默认128M)
InputFormat在默认情况下会根据hadoop集群的DFS块大小进行分 片,每一个分片会由一个map任务来进行处理,当然用户还是可以通过参数mapred.min.split.size参数在作业提交客户端进行自定义设 置
什么需要减少map数?
当有很多小文件的时候, 每个小文件也会被当做一个块,用一个map任务来完。
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。
怎样减少map数?
这个时候就需要合并小文件:(注:这个参数也可以用来增加map的数量)
set mapred.max.split.size=100000000;
set mapred.min.split.size.per.node=100000000;
set mapred.min.split.size.per.rack=100000000;
set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;前面三个参数确定合并文件块的大小