Tez安装和使用（Hive on Tez）

Hive on Tez

---

---

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；

2.1、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启动时

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。

2.2、安装部署

1、下载软件包：apache-tez-0.9.2-bin.tar.gz
2、解压缩

[root@linux122 software]# tar -zxvf apache-tez-0.9.2-bin.tar.gz -C ../servers/
[root@linux122 software]# cd ../servers/apache-tez-0.9.2-bin/share/

3、将tez的压缩包放到到hdfs上

hdfs dfs -mkdir -p /user/tez 
[root@linux122 share]# 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://linux121:9000/user/tez/tez.tar.gz</value> 
  </property> 
</configuration>

保存后将文件复制到集群所有节点

[root@linux122 hadoop]# scp tez-site.xml linux121:$PWD
[root@linux122 hadoop]# scp tez-site.xml linux123:$PWD

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/lagou/servers/tez/*:/opt/lagou/servers/tez/lib/*
export HADOOP_CLASSPATH=$TEZ_CONF_DIR:$TEZ_JARS:$HADOOP_CLASSPATH

注意：在哪台机器中配置就需要在哪台上执行hive(也可以所有集群都设置)
6、Hive设置Tez执行

hive> set hive.execution.engine=tez;

执行脚本报如下错误

select app_v,count(*) from dws.dws_member_start_week group by app_v limit 5;

yarn-site.xml中添加如下设置：
增加yarn.scheduler.minimum-allocation-mb 数量，从缺省1024改为2048；上述运行问题即刻得到解决；

单独调整yarn.nodemanager.vmem-pmem-ratio从缺省值2.1调整到3.0，从计算上Vm=3.0*1=3.0>2.6 ，但是上述问题依然存在（原因？）

原因：
该错误是YARN的虚拟内存计算方式导致，上例中用户程序申请的内存为1Gb，YARN根据此值乘以一个比例（默认为2.1）得出申请的虚拟内存的值，当YARN计算的用户程序所需虚拟内存值大于计算出来的值时，就会报出以上错误。调节比例值可以解决该问题。具体参数为：yarn-site.xml中的yarn.nodemanager.vmem-pmem-ratio

<!--设置执行内存 -->
<property>
    <name>yarn.scheduler.minimum-allocation-mb</name>
    <value>3072</value>
    <description>default value is 1024</description>
 </property>
<property>
    <name>yarn.nodemanager.vmem-pmem-ratio</name>
    <value>3.0</value>
    <description>default value is 2.1</description>
 </property>

执行结果：

7、如果想默认使用Tez，可在$HIVE_HOME/conf目录下hive-site.xml 中增加
一般根据项目组规定决定，通常用上面第6步 设置参数（较为灵活）

<property> 
	<name>hive.execution.engine</name> 
	<value>tez</value> 
</property>