Hive与hadoop的面试知识点

最新推荐文章于 2022-09-15 15:54:05 发布

號先生

最新推荐文章于 2022-09-15 15:54:05 发布

阅读量596

点赞数

分类专栏： hive与hadoop 文章标签： hive与hadoop知识点

本文链接：https://blog.csdn.net/weixin_40691089/article/details/79273077

版权

hive与hadoop 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一．hive中sort by、order by、distribute by、Cluster by代表什么意思？

1、order by 会对输入做全局排序，因此只有一个 reducer，会导致当输入规模较大时，
需要较长的计算时间。
2、sort by 不是全局排序，其在数据进入 reducer 前完成排序。因此，如果用 sort by 进行排序，并且设置 mapred.reduce.tasks>1，则 sort by 只保证每个 reducer 的输出有序，不保证全局有序。
3、distribute by(字段)根据指定字段将数据分到不同的 reducer，分发算法是 hash 散列。
4、Cluster by(字段) 除了具有 Distribute by 的功能外，还会对该字段进行排序。
如果分桶和 sort 字段是同一个时，此时，cluster by = distribute by + sort by

二．写出hive中split和coalesce函数的用法？

1.非空查找函数 : COALESCE
语法: COALESCE(T v1, T v2, …)
返回值: T
说明: 返回参数中的第一个非空值；如果所有值都为NULL，那么返回NULL
举例：
hive> select COALESCE(null,’100’,’50′) from dual;
100
2.条件判断函数： CASE
语法 : CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END
返回值 : T
说明：如果 a 等于 b ，那么返回 c ；如果 a 等于 d ，那么返回 e ；否则返回 f
举例：
hive> Select case 100 when 50 then ‘tom’ when 100 then ‘mary’ else ‘tim’ end from dual;
mary

三：简述MapReduce中conbiner和partition的作用

1、Combiner：
每一个 map 都可能会产生大量的本地输出，Combiner 的作用就是对 map 端的输出先做一次合并，以减少在 map 和 reduce 节点之间的数据传输量，以提高网络 IO 性能，是 MapReduce 的一种优化手段之一。
l combiner 是 MR 程序中 Mapper 和 Reducer 之外的一种组件
l combiner 组件的父类就是 Reducer
l combiner 和 reducer 的区别在于运行的位置：
Combiner 是在每一个 maptask 所在的节点运行
Reducer 是接收全局所有 Mapper 的输出结果；
l combiner 的意义就是对每一个 maptask 的输出进行局部汇总，以减小网络传
输量
2、partition是分割map每个节点的结果，按照key分别映射给不同的reduce，也是可以自定义的。这里其实可以理解归类。
我们对于错综复杂的数据归类。partition的作用就是把这些数据归类。只不过在写程序的时候，mapreduce使用哈希HashPartitioner帮我们归类了。这个我们也可以自定义。

四、Hadoop性能调优

1、从硬件选择、操作系统参数调优、JVM参数调优和Hadoop参数调优等四个方面入手

l 好的模型设计事半功倍。
l 解决数据倾斜问题。
l 减少job数。
l 设置合理的map reduce的task数，能有效提升性能。(比如，10w+级别的计算，用160个reduce，那是相当的浪费，1个足够)。
l 了解数据分布，自己动手解决数据倾斜问题是个不错的选择。set hive.groupby.skewindata=true;这是通用的算法优化，但算法优化有时不能适应特定业务背景，开发人员了解业务，了解数据，可以通过业务逻辑精确有效的解决数据倾斜问题。
l 数据量较大的情况下，慎用count(distinct)，count(distinct)容易产生倾斜问题。
l 对小文件进行合并，是行至有效的提高调度效率的方法，假如所有的作业设置合理的文件数，对云梯的整体调度效率也会产生积极的正向影响。
l 优化时把握整体，单个作业最优不如整体最优

五、MapReduce编程模型

    MapReduce将作业的整个运行过程分为两个阶段：Map阶段和Reduce阶段
    Map阶段由一定数量的Map Task组成
        输入数据格式解析：InputFormat
         输入数据处理：Mapper
        数据分组：Partitioner
   Reduce阶段由一定数量的Reduce Task组成
         数据远程拷贝
        数据按照key排序
        数据处理：Reducer

数据输出格式：OutputFormat