Tez快速入门
Hortonworks在2014年左右发布了Stinger Initiative,并进行社区分享,为的是让Hive支持更多SQL,并实现更好的性能。
- 让Hive的查询功能更强大。增加类似OVER子句的分析功能,支持WHERE子查询,以及调整Hive的样式系统更多的符合标准的SQL模型;
- 优化Hive的请求执行计划,增加 Task 每秒处理记录的数量;
- 引入新的列式文件格式(ORC文件),提供一种更现代、高效和高性能的方式来储存Hive数据;
- 引入新的runtime框架——Tez,消除Hive的延迟以及吞吐量限制。Tez通过消除不必要的task、障碍同步和对HDFS的读写作业来优化Hive job;
1.1、Tez概述
Tez是Apache开源的支持DAG(有向无环图)作业的计算框架,是支持Hadoop 2.x 的重要引擎。它源于MapReduce框架,核心思想是将Map和Reduce两个操作进一步拆分,分解后的元操作可以任意灵活组合,产生新的操作,这些操作经过一些控制程序组装后,可形成一个大的DAG作业。
Tez将Map task和Reduce task进一步拆分为如下图所示:
Tez的task由Input、processor、output阶段组成,可以表达所有复杂的map、 reduce操作,如下图:
Tez可以将多个有依赖的作业转换为一个作业(只需写一次HDFS,中间环节较少),从而大大提升DAG作业的性能。Tez已被Hortonworks用于Hive引擎的优化,经测试一般小任务比Hive MR的2-3倍速度左右,大任务7-10倍左右,根据情况不同可能不一样。
Hive-on-MR is deprecated in Hive 2 and may not be available in the future versions. Consider using a different execution engine (i.e. spark, tez) or using Hive 1.X releases.
Tez+Hive仍采用 MapReduce 计算框架,但对DAG的作业依赖关系进行了裁剪,并将多个小作业合并成一个大作业,不仅减少了计算量,而且写HDFS次数也大大减少。
1.2、安装部署
1、下载软件包:apache-tez-0.9.2-bin.tar.gz
2、解压缩
tar -zxvf apache-tez-0.9.0-bin.tar.gz
cd apache-tez-0.9.0-bin/share
3、将tez的压缩包放到到hdfs上
hdfs dfs -mkdir -p /user/tez
hdfs dfs -put tez.tar.gz /user/tez
4、$HADOOP_HOME/etc/hadoop/ 下创建 tez-site.xml 文件,做如下配置:
<?xml version="1.0" encoding="UTF-8"?>
<configuration>
<!-- 指定在hdfs上的tez包文件 -->
<property>
<name>tez.lib.uris</name>
<value>hdfs://121:9000/user/tez/tez.tar.gz</value>
</property>
</configuration>
保存后将文件复制到集群所有节点
5、增加客户端节点的配置(/etc/profile)
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export TEZ_CONF_DIR=$HADOOP_CONF_DIR
export TEZ_JARS=/opt/servers/tez-0.9.2/*:/opt/servers/tez-0.9.2/lib/*
export HADOOP_CLASSPATH=$TEZ_CONF_DIR:$TEZ_JARS:$HADOOP_CLASSPATH
6、Hive设置Tez执行
hive> set hive.execution.engine=tez;
7、如果想默认使用Tez,可在$HIVE_HOME/conf目录下hive-site.xml 中增加
<property>
<name>hive.execution.engine</name>
<value>tez</value>
</property>
问题:存在内存限制问题。
原因:因为Tez需要基于内存计算,在启动任务前会进行内存检查(检查依据为map与reduce任务所需内存总和),若内存不够时会杀死执行进程。在内存资源预算有限时可以关闭虚拟机内存检查;
解决方法:在$HADOOP_HOME/etc/hadoop/yarn-site.xml中增加以下配置,重启集群即可。
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>