如何修复”文件只能复制到0个节点而不是minreplication(=1)
异常:Vertex failed, vertexName=Map 1, vertexId=vertex_1619776126790_0001_1_00, diagnostics=[Task failed, taskId=task_1619776126790_0001_1_00_000002, diagnostics=[TaskAttempt 0 failed, info=[Error: Failure while running task:java.lang.RuntimeException: java.lang.RuntimeException: Hive Runtime Error while closing operators
Caused by: org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /snbap/ods/ods_user_pc_click_log/.hive-staging_hive_2021-04-30_09-52-11_138_4541347196075063109-1/_task_tmp.-ext-10000/dt=2019-12-12/_tmp.000002_3 could only be replicated to 0 nodes instead of minReplication (=1). There are 1 datanode(s) running and no node(s) are excluded in this operation.
at org.apache.hadoop.hdfs.server.blockmanagement.BlockManager.chooseTarget4NewBlock(BlockManager.java:1549)
at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.getAdditionalBlock(FSNamesystem.java:3200)
at org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.addBlock(NameNodeRpcServer.java:641)
at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolServerSideTranslatorPB.addBlock(ClientNamenodeProtocolServerSideTranslatorPB.java:482)
at org.apache.hadoop.hdfs.protocol.proto.ClientNamenodeProtocolProtos$ClientNamenodeProtocol$2.callBlockingMethod(ClientNamenodeProtocolProtos.java)
at org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:619)
at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:962)
at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2039)
at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2035)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:422)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1628)
at org.apache.hadoop.ipc.Server$Handler.run(Server.java:2033)
at org.apache.hadoop.ipc.Client.call(Client.java:1468)
at org.apache.hadoop.ipc.Client.call(Client.java:1399)
at org.apache.hadoop.ipc.ProtobufRpcEngine$Invoker.invoke(ProtobufRpcEngine.java:232)
at com.sun.proxy.$Proxy10.addBlock(Unknown Source)
at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolTranslatorPB.addBlock(ClientNamenodeProtocolTranslatorPB.java:399)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:498)
at org.apache.hadoop.io.retry.RetryInvocationHandler.invokeMethod(RetryInvocationHandler.java:187)
at org.apache.hadoop.io.retry.RetryInvocationHandler.invoke(RetryInvocationHandler.java:102)
at com.sun.proxy.$Proxy11.addBlock(Unknown Source)
at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.locateFollowingBlock(DFSOutputStream.java:1532)
at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.nextBlockOutputStream(DFSOutputStream.java:1349)
at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.run(DFSOutputStream.java:588)
]], Vertex did not succeed due to OWN_TASK_FAILURE, failedTasks:1 killedTasks:2, Vertex vertex_1619776126790_0001_1_00 [Map 1] killed/failed due to:OWN_TASK_FAILURE]DAG did not succeed due to VERTEX_FAILURE. failedVertices:1 killedVertices:0
我最终接触到了Cloudera论坛,他们在几分钟内回答了我的问题: http://community.cloudera.com/t5/Storage-Random-Access-HDFS/Why-can-t-I-partition-a-1-gigabyte-dataset-into-300/m-p/86554#M3981 我试过J的建议,但效果很好!
他是这样说的:
如果要处理来自数据源的无序分区,则需要 最终可能会像分区那样并行创建大量文件 未遂的
在hdfs中,当一个文件(或者更具体地说,它的块)打开时, datanode执行其目标块大小的逻辑保留。所以 如果配置的块大小为128 mib,则每次同时打开 块将从可用的剩余值中(逻辑上)扣除该值 数据节点发布到名称节点的空间。
此预订是为了帮助管理空间并确保 阻止写入客户端,以便开始写入其 文件不会在中途遇到空间不足异常。
注意:关闭文件时,只保留实际长度, 并对预留量计算进行调整,以反映 可用空间。但是,当文件块保持打开状态时, 它总是被认为是持有一个完整的块大小。
如果可以的话,namenode进一步将只为写入选择一个datanode。 确保完全目标块大小。它将忽略任何数据节点 认为(基于其报告的价值和指标)不适合 请求的写入参数。您的错误表明namenode 在尝试分配 新块请求。
例如,如果 同时打开的文件将超过560个(共70个gib) 128 mib块大小)。因此,数据节点将在 大约560个打开文件的点,将不再作为有效目标 进一步的文件请求。
根据您对插入的描述,这可能是 数据集的300个块中的每一块可能仍然包含不同的ID, 导致每个并行任务请求大量打开的文件, 插入到几个不同的分区中。
你可以通过减少请求块来“破解”你的方法。 查询中的大小(例如,将fs.blocksize设置为8 mib), 影响预约计算。但是,这可能不是 随着规模的扩大,对于更大的数据集是个好主意,因为它将推动 文件:块计数并增加名称节点的内存成本。
更好的方法是执行预分区 插入(先按分区排序,然后插入分区 态度)例如,hive提供了一个选项: hive.optimize.sort.dynamic.partition 如果你用普通的火花 或者mapreduce,那么它们的默认分区策略 这个。
解决问题:
set hive.exec.dynamic.partition.mode=nonstrict; 开启动态分区
set hive.optimize.sort.dynamic.partition=true
set hive.exec.max.dynamic.partitions.pernode=100000;
set hive.exec.max.dynamic.partitions=100000;
此外我还设置了以下配置:
#在hadoop/etc/hadoop/mapred-site.xml添加如果配置
<property>
<name>mapred.child.java.opts</name>
<value>-Xmx1000m</value>
</property>
#在hadoop/etc/hadoop/yarn-site.xml添加如果配置
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>2048</value>
<description>default value is 1024</description>
</property>
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>4.0</value>
<description>default value is 4.0</description>
</property>
#在hadoop yarn-site.xml设置 关闭虚以内存
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
推荐博客地址:http://ask.sov5.cn/q/BIXe47sxh5