- 1、本文档共57页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
;;;;;;
Hive参数优化的方式主要有本地模式、配置MapReduce压缩、配置Map个数、配置Reduce个数、合并小文件等五种。
一、本地模式
大多数的HadoopJob是需要Hadoop提供的完整的可扩展性来处理大数据集的。不过,有时Hive的输入数据量是非常小的。在这种情况下,为查询触发执行任务消耗的时间可能会比实际Job的执行时间要多的多。对于大多数这种情况,Hive可以通过本地模式在单台机器上处理所有的任务。对于小数据集,执行时间可以明显被缩短。;例题1:使用本地模式和默认模式分别查询表bigtable。
操作过程:
step01: 创建数据库unit8db中表bigtable。创建数据库unit8db中的表bigtable,具体操作命令如下:hive CREATE TABLE bigtable
(id bigint, t bigint, uid string, keyword string,url_rank int, click_numint, click_urlstring)
ROW FORMAT DELIMITED FIELDS TERMINATED by,;
查询表bigtable是否创建成功,成功后,向表中加载数据,如图8-2和图8-3所示,表bigtable中共有320条数据,此处只显示前15条数据。具体操作命令如下:
hive LOAD DATA LOCAL inpath /usr/datas8/bigtable001.csvINTO TABLE bigtable;;图8-2;图8-4;然后,查询表bigtable中的数据,如图8-6和图8-7所示,由结果可知,时间为13.028seconds,具体操作命令如下:hive SELECT count(*) from bigtable;;图8-6;二、配置MapReduce压缩
MapReduce的主要压缩过程有三个阶段:map之前、map之后、reduce之后。
其中,
1. 压缩的原则
运算密集型的Job,少用压缩
IO密集型的Job,多用压缩
2. 压缩算法和性能对比分别如表8-2和表8-3所示;表8-3压缩性能的对比;压缩算法选择
需要考虑压缩/解压缩速度、压缩率(压缩后存储大小)、压缩后是否可以支持切片
压缩参数配置,包含Hadoop编码/解码器和参数配置,分别如表8-4和表8-5所示
表8-4Hadoop编码/解码器;;因此,根据MapReduce的工作原理,如图8-8所示,可知,压缩共分为三个阶段。;三、配置Map和Reduce个数
通常情况下,作业会通过input的目录产生一个或者多个Map任务。主要的决定因素有:input的文件总个数,input的文件大小,集群设置的文件块大小。并不是Map??越多越好。如果一个任务有很多小文件(远远小于块大小128m),则每个小文件被视为一个块,用一个Map任务来完成,而一个Map任务启动和初始化的时间远远大于逻辑处理的时间,就会造成很大的资源浪费。而
且,同时可执行的Map数是受限的。
并不是保证每个Map处理接近128M的文件块,性能就一定高,就可以高枕无忧了。比如有一个127M的文件,正常使用一个Map去完成,但这个文件只有一个或者两个小字段,却有几千万的记录,如果Map处理的逻辑比较复杂,用一个Map任务去做,肯定也比较耗时。;针对上面的问题,我们需要采取两种方式来解决:即减少Map数和增加Map数;
1.复杂文件增加Map数
Map的数量通常是由Hadoop集群的DFS块大小确定的,也就是输入文件的总块数,正常的Map数量的并行规模大致是每一个Node是10~100个,对于CPU消耗较小的作业可以设置Map数量为300个左右,但是由于Hadoop的没一个任务在初始化时需要一定的时间,因此比较合理的情况是每个Map执行的时间至少超过1分钟。
具体的数据分片是这样的,InputFormat在默认情况下会根据Hadoop集群的DFS块大小进行分片,每一个分片会由一个Map任务来进行处理,当然用户还是可以通过参数mapred.min.split.size参数在作业提交客户端进行自定义设置。
还有一个重要参数就是mapred.map.tasks,这个参数设置的map数量仅仅是一个提示,只有当InputFormat决定了map任务的个数比mapred.map.tasks值小时才起作用。
您可能关注的文档
- Hive数据仓库应用教程项目1 认识Hive.pptx
- Hive数据仓库应用教程项目2 Hive环境搭建.pptx
- Hive数据仓库应用教程项目3 Hive基本语法.pptx
- Hive数据仓库应用教程项目4 Hive数据定义.pptx
- Hive数据仓库应用教程项目5 数据的导入与导出.pptx
- Hive数据仓库应用教程项目6 Hive数据查询.pptx
- Hive数据仓库应用教程项目7 Hive函数.pptx
- Hive数据仓库应用教程项目9 综合案例.pptx
- 建筑设备安装识图与施工1. 项目一任务一 建筑室内给水系统识读.pptx
- 建筑设备安装识图与施工2.项目一任务二 建筑室内排水系统识读.pptx
- 黑龙江哈尔滨市(新版)2024小学语文统编版(五四制)小升初模拟(综合卷)完整试卷(含答案).docx
- 黑龙江哈尔滨市(新版)2024小学语文人教版小升初核心能力评测(拓展卷)完整试卷(含答案).docx
- 黑龙江双鸭山市(新版)2024小学语文苏教版小升初模拟(备考卷)完整试卷(含答案).docx
- 黑龙江绥化市(新版)2024小学语文部编版小升初真题(预测卷)完整试卷(含答案).docx
- 黑龙江大庆市(新版)2024小学语文统编版(五四制)小升初测试(预测卷)完整试卷(含答案).docx
- 黑龙江七台河市(新版)2024小学语文统编版(五四制)小升初真题(巩固卷)完整试卷(含答案).docx
- 黑龙江双鸭山市(新版)2024小学语文部编版小升初真题(提分卷)完整试卷(含答案).docx
- 黑龙江佳木斯市(新版)2024小学语文苏教版小升初摸底(强化卷)完整试卷(含答案).docx
- 黑龙江鸡西市(新版)2024小学语文苏教版小升初真题(拓展卷)完整试卷(含答案).docx
- 黑龙江鹤岗市(新版)2024小学语文统编版(五四制)小升初核心能力评测(冲刺卷)完整试卷(含答案).docx
最近下载
- 小学校创客及人工智能教育典型案例.docx
- 变电运行试题题库.pdf VIP
- 2023年新疆大学软件工程专业《数据结构与算法》科目期末试卷B(有答案).docx VIP
- JC08心理咨询技能单科作业题(新版教材考生通用_202305月考生适用).pdf
- 七人学生小品《如此课堂》剧本台词手稿.doc
- 部级基础教育精品课PPT模板.pptx
- 采埃孚商用车及工程机械产品专用油品手册.PDF
- QGDW10270-2017-220kV及110(66)kV输变电工程可行性研究内容深度规定.pdf
- 2022知到答案 军事理论(同济大学) 智慧树满分章节测试答案.docx
- 口腔CBCT管理制度-操作规程.docx
文档评论(0)