hive linux进程数,控制Hive MAP个数详解

控制Hive MAP个数详解

Hive的MAP数或者说MAPREDUCE的MAP数是由谁来决定的呢？inputsplit size,那么对于每一个inputsplit size是如何计算出来的，这是做MAP数调整的关键.

Hadoop给出了Inputformat接口用于描述输入数据的格式，其中一个关键的方法就是getSplits，对输入的数据进行分片.

Hive对InputFormat进行了封装：

而具体采用的实现是由参数hive.input.format来决定的，主要使用2中类型HiveInputFormat和CombineHiveInputFormat.

对于HiveInputFormat来说：

public InputSplit[] getSplits(JobConf job, int numSplits) throws IOException {

//扫描每一个分区

for (Path dir : dirs) {

PartitionDesc part = getPartitionDescFromPath(pathToPartitionInfo, dir);

//获取分区的输入格式

Class inputFormatClass = part.getInputFileFormatClass();

InputFormat inputFormat = getInputFormatFromCache(inputFormatClass, job);

//按照相应格式的分片算法获取分片

//注意：这里的Inputformat只是old version API：org.apache.hadoop.mapred而不是org.apache.hadoop.mapreduce，因此不能采用新的API，否则在查询时会报异常：Input format must implement InputFormat.区别就是新的API的计算inputsplit size(Math.max(minSize, Math.min(maxSize, blockSize))和老的(Math.max(minSize, Math.min(goalSize, blockSize)))不一样；

InputSplit[] iss = inputFormat.getSplits(newjob, numSplits / dirs.length);

for (InputSplit is : iss) {

//封装结果，返回

result.add(new HiveInputSplit(is, inputFormatClass.getName()));

}

}

return result.toArray(new HiveInputSplit[result.size()]);

}

对于CombineHiveInputFormat来说的计算就比较复杂了：

public InputSplit[] getSplits(JobConf job, int numSplits) throws IOException {

//加载CombineFileInputFormatShim，这个类继承了org.apache.hadoop.mapred.lib.CombineFileInputFormat

CombineFileInputFormatShim combine = ShimLoader.getHadoopShims()

.getCombineFileInputFormat();

if (combine == null) {

//若为空则采用HiveInputFormat的方式，下同

return super.getSplits(job, numSplits);

}

Path[] paths = combine.getInputPathsShim(job);

for (Path path : paths) {

//若是外部表，则按照HiveInputFormat方式分片

if ((tableDesc != null) && tableDesc.isNonNative()) {

return super.getSplits(job, numSplits);

}

Class inputFormatClass = part.getInputFileFormatClass();

String inputFormatClassName = inputFormatClass.getName();

InputFormat inputFormat = getInputFormatFromCache(inputFormatClass, job);

if (this.mrwork != null && !this.mrwork.getHadoopSupportsSplittable()) {

if (inputFormat instanceof TextInputFormat) {

if ((new CompressionCodecFactory(job)).getCodec(path) != null)

//在未开启hive.hadoop.supports.splittable.combineinputformat(MAPREDUCE-1597)参数情况下，对于TextInputFormat并且为压缩则采用HiveInputFormat分片算法

return super.getSplits(job, numSplits);

}

}

//对于连接式同上

if (inputFormat instanceof SymlinkTextInputFormat) {

return super.getSplits(job, numSplits);

}

CombineFilter f = null;

boolean done = false;

Path filterPath = path;

//由参数hive.mapper.cannot.span.multiple.partitions控制，默认false;如果没true，则对每一个partition创建一个pool，以下省略为true的处理；对于同一个表的同一个文件格式的split创建一个pool为combine做准备；

if (!mrwork.isMapperCannotSpanPartns()) {

opList = HiveFileFormatUtils.doGetWorksFromPath(

pathToAliases, aliasToWork, filterPath);

f = poolMap.get(new CombinePathInputFormat(opList, inputFormatClassName));

}

if (!done) {

if (f == null) {

f = new CombineFilter(filterPath);

combine.createPool(job, f);

} else {

f.addPath(filterPath);

}

}

}

if (!mrwork.isMapperCannotSpanPartns()) {

//到这里才调用combine的分片算法，继承了org.apache.hadoop.mapred.lib.CombineFileInputFormat extends 新版本CombineFileInputformat

iss = Arrays.asList(combine.getSplits(job, 1));

}

//对于sample查询特殊处理

if (mrwork.getNameToSplitSample() != null && !mrwork.getNameToSplitSample().isEmpty()) {

iss = sampleSplits(iss);

}

//封装结果返回

for (InputSplitShim is : iss) {

CombineHiveInputSplit csplit = new CombineHiveInputSplit(job, is);

result.add(csplit);

}

return result.toArray(new CombineHiveInputSplit[result.size()]);

}

更多详情见请继续阅读下一页的精彩内容：

Hive 的详细介绍：请点这里

Hive 的下载地址：请点这里

基于Hadoop集群的Hive安装

Hive内表和外表的区别

Hadoop + Hive + Map +reduce 集群安装部署

Hive本地独立模式安装

Hive学习之WordCount单词统计

1

2

下一页