开发者社区> 不吃西红柿丶> 正文

Hive小文件问题:如何产生、造成影响、解放办法

简介: Hive小文件问题:如何产生、造成影响、解放办法
+关注继续查看

正文


一、小文件是如何产生的


1.动态分区插入数据,产生大量的小文件,从而导致map数量剧增。


2.reduce数量越多,小文件也越多(reduce的个数和输出文件是对应的)。


3.数据源本身就包含大量的小文件。


二、小文件问题的影响


1.从Hive的角度看,小文件会开很多map,一个map开一个JVM去执行,所以这些任务的初始化,启动,执行会浪费大量的资源,严重影响性能。


2.在HDFS中,每个小文件对象约占150byte,如果小文件过多会占用大量内存。这样NameNode内存容量严重制约了集群的扩展。


三、小文件问题的解决方案


从小文件产生的途经就可以从源头上控制小文件数量,方法如下:


1.使用Sequencefile作为表存储格式,不要用textfile,在一定程度上可以减少小文件。


2.减少reduce的数量(可以使用参数进行控制)。


3.少用动态分区,用时记得按distribute by分区。


四、对于已有的小文件,我们可以通过以下几种方案解决:


1.使用hadoop archive命令把小文件进行归档。


2.重建表,建表时减少reduce数量。


3.通过参数进行调节,设置map/reduce端的相关参数,如下:


设置map输入合并小文件的相关参数:

//每个Map最大输入大小(这个值决定了合并后文件的数量)


set mapred.max.split.size=256000000;


//一个节点上split的至少的大小(这个值决定了多个DataNode上的文件是否需要合并)


set mapred.min.split.size.per.node=100000000;


//一个交换机下split的至少的大小(这个值决定了多个交换机上的文件是否需要合并)


set mapred.min.split.size.per.rack=100000000;


//执行Map前进行小文件合并


set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;



设置map输出和reduce输出进行合并的相关参数:


//设置map端输出进行合并,默认为true


set hive.merge.mapfiles = true


//设置reduce端输出进行合并,默认为false


set hive.merge.mapredfiles = true


//设置合并文件的大小


set hive.merge.size.per.task = 256*1000*1000


//当输出文件的平均大小小于该值时,启动一个独立的MapReduce任务进行文件merge。


set hive.merge.smallfiles.avgsize=16000000


版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
如何设置阿里云服务器安全组?阿里云安全组规则详细解说
阿里云安全组设置详细图文教程(收藏起来) 阿里云服务器安全组设置规则分享,阿里云服务器安全组如何放行端口设置教程。阿里云会要求客户设置安全组,如果不设置,阿里云会指定默认的安全组。那么,这个安全组是什么呢?顾名思义,就是为了服务器安全设置的。安全组其实就是一个虚拟的防火墙,可以让用户从端口、IP的维度来筛选对应服务器的访问者,从而形成一个云上的安全域。
21046 0
阿里云服务器如何登录?阿里云服务器的三种登录方法
购买阿里云ECS云服务器后如何登录?场景不同,阿里云优惠总结大概有三种登录方式: 登录到ECS云服务器控制台 在ECS云服务器控制台用户可以更改密码、更换系.
30433 0
阿里云服务器安全组设置内网互通的方法
虽然0.0.0.0/0使用非常方便,但是发现很多同学使用它来做内网互通,这是有安全风险的,实例有可能会在经典网络被内网IP访问到。下面介绍一下四种安全的内网互联设置方法。 购买前请先:领取阿里云幸运券,有很多优惠,可到下文中领取。
23157 0
阿里云服务器ECS登录用户名是什么?系统不同默认账号也不同
阿里云服务器Windows系统默认用户名administrator,Linux镜像服务器用户名root
17517 0
阿里云服务器端口号设置
阿里云服务器初级使用者可能面临的问题之一. 使用tomcat或者其他服务器软件设置端口号后,比如 一些不是默认的, mysql的 3306, mssql的1433,有时候打不开网页, 原因是没有在ecs安全组去设置这个端口号. 解决: 点击ecs下网络和安全下的安全组 在弹出的安全组中,如果没有就新建安全组,然后点击配置规则 最后如上图点击添加...或快速创建.   have fun!  将编程看作是一门艺术,而不单单是个技术。
21362 0
阿里云服务器怎么设置密码?怎么停机?怎么重启服务器?
如果在创建实例时没有设置密码,或者密码丢失,您可以在控制台上重新设置实例的登录密码。本文仅描述如何在 ECS 管理控制台上修改实例登录密码。
23639 0
腾讯云服务器 设置ngxin + fastdfs +tomcat 开机自启动
在tomcat中新建一个可以启动的 .sh 脚本文件 /usr/local/tomcat7/bin/ export JAVA_HOME=/usr/local/java/jdk7 export PATH=$JAVA_HOME/bin/:$PATH export CLASSPATH=.
14929 0
+关注
不吃西红柿丶
CSDN内容合伙人丨全站Top 6、华为云享专家、HDZ核心组成员、信息技术智库公号作者、大数据&Python领域优质创作者
166
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
JS零基础入门教程(上册)
立即下载
性能优化方法论
立即下载
手把手学习日志服务SLS,云启实验室实战指南
立即下载