hive merge小文件
来源:互联网 发布:python开源软件 编辑:程序博客网 时间:2024/06/04 23:26
当Hive输入由很多个小文件组成,由于每个小文件都会启动一个map任务,如果文件过小,以至于map任务启动和初始化的时间大于逻辑处理的时间,会造成资源浪费,甚至OOM。
为此,当我们启动一个任务,发现输入数据量小但任务数量多时,需要注意在Map前端进行输入合并
当然,在我们向一个表写数据时,也需要注意输出文件大小
1. Map输入合并小文件
对应参数:
set mapred.max.split.size=256000000; #每个Map最大输入大小
set mapred.min.split.size.per.node=100000000; #一个节点上split的至少的大小
set mapred.min.split.size.per.rack=100000000; #一个交换机下split的至少的大小
set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat; #执行Map前进行小文件合并
在开启了org.apache.hadoop.hive.ql.io.CombineHiveInputFormat后,一个data node节点上多个小文件会进行合并,合并文件数由mapred.max.split.size限制的大小决定。
mapred.min.split.size.per.node决定了多个data node上的文件是否需要合并~
mapred.min.split.size.per.rack决定了多个交换机上的文件是否需要合并~
2.输出合并
set hive.merge.mapfiles = true #在Map-only的任务结束时合并小文件
set hive.merge.mapredfiles = true #在Map-Reduce的任务结束时合并小文件
set hive.merge.size.per.task = 256*1000*1000 #合并文件的大小
set hive.merge.smallfiles.avgsize=16000000 #当输出文件的平均大小小于该值时,启动一个独立的map-reduce任务进行文件merge
- hive merge小文件
- hive merge小文件
- hive merge小文件
- hive merge小文件
- hive merge小文件
- hive merge小文件
- Hive merge(小文件合并)
- hive 小文件的合并 hive.merge.mapredfiles
- hive小文件合并
- Hive小文件合并
- hive合并小文件
- hive 小文件合并
- Hive小文件合并
- Hive 合并小文件
- hive合并小文件
- hive合并小文件
- hive小文件问题及hive小文件合并
- Hive小文件合并调研
- C#字符串集锦(累积中……)
- Android LCD(一):LCD基本原理篇
- Docker:设置代理proxy
- java基础-static关键字
- jsp - jsp引入jsp和通过ajax引入jsp
- hive merge小文件
- 规则 4.11:注释与其上面的代码应用空行隔开。
- XCode6报数组越界错误的问题
- libcurl 编译详解
- 规则 4.12:函数接口输出参数要对返回码进行详细描述,不同返回码独立成行,并左对齐。
- Linux GCC常用命令
- 快速幂算法的理解
- android 基础知识 字体加粗
- 搞笑的 strlen与 sizeof