Hive调优策略——并行执行、严格模式、JVM重用、压缩、设置mapper和reducer个数 & 小文件合并

以你之姓@ 2023-05-21 08:58 8阅读 0赞

**目录**

[1. 并行执行][1.]

[2. 严格模式][2.]

[3. JVM重用][3. JVM]

[4. 压缩][4.]

[（1）开启Map输出阶段压缩（snappy压缩）][1_Map_snappy]

[（2）开启Reduce输出阶段压缩（snappy压缩）][2_Reduce_snappy]

[5. 合理设置Map和Reduce个数][5. _Map_Reduce]

[（1）小文件过多，减少map数][1_map]

[（2）小文件进行合并][2]

[（3）文件比较大、文件处理逻辑复杂，增大map数][3_map]

[（4）合理设置Reduce个数][4_Reduce]

### （1）开启Map输出阶段压缩（snappy压缩） ###

开启map输出阶段压缩可以减少job中map和Reduce task间数据传输量。具体配置如下：

1. 开启hive中间传输数据压缩功能  
hive (default)>set hive.exec.compress.intermediate=true;  
   
2. 开启mapreduce中map输出压缩功能  
hive (default)>set mapreduce.map.output.compress=true;  
   
3. 设置mapreduce中map输出数据的压缩方式  
hive (default)>set mapreduce.map.output.compress.codec = org.apache.hadoop.io.compress.SnappyCodec;

### （2）开启Reduce输出阶段压缩（snappy压缩） ###

当Hive将输出写入到表中时，输出内容同样可以进行压缩。配置如下：

1. 开启hive最终输出数据压缩功能  
hive (default)>set hive.exec.compress.output=true;  
   
2. 开启mapreduce最终输出数据压缩  
hive (default)>set mapreduce.output.fileoutputformat.compress=true;  
   
3. 设置mapreduce最终数据输出压缩方式  
hive (default)> set mapreduce.output.fileoutputformat.compress.codec = org.apache.hadoop.io.compress.SnappyCodec;  
   
4. 设置mapreduce最终数据输出压缩为块压缩  
hive (default)> set mapreduce.output.fileoutputformat.compress.type=BLOCK;

5. 合理设置Map和Reduce个数  
（1）小文件过多，减少map数  
开启的map数越多，启动和关闭JVM花费的时间也就越多；

如果一个任务有很多小文件（远小于块大小128M），每个小文件会被当做一个块，每个块用一个map任务来完成，这样小文件的逻辑处理时间远小于每一个map任务启动和初始化的时间，就会造成很大的资源浪费；并且同时可执行的map数是受限的。

这种情况就需要减少map数。

（2）小文件进行合并  
第一种情况，在map执行前合并小文件，减少map数  
set hive.input.format= org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;

第二种情况，在map-reduce任务结束后，对生成的小文件进行合并

1. 在map-only任务结束时合并小文件，默认true  
set hive.merge.mapfiles = true;  
   
2. 在map-reduce任务结束时合并小文件，默认false  
set hive.merge.mapredfiles = true;  
   
3. 当输出文件平均大小小于该值时，启动一个独立的MR进行文件合并  
set hive.merge.smallfiles.avgsize = 16777216;  
   
4. 合并后文件大小，默认256M  
set hive.merge.size.per.task = 268435456;

3）文件比较大、文件处理逻辑复杂，增大map数  
例如有一个127M的文件，正常会用一个map来处理，但这个文件只有一个或两个小字段，却有几千万行记录，也就是说map的处理逻辑比较复杂，这种情况如果还用一个map去处理，肯定会比较耗时，这种就需要增加map数，使得每个map处理的数据量减少，提高执行效率。

依据Hadoop中map源码公式：

computeSliteSize(Math.max(minSize,Math.min(maxSize,blocksize)))=blocksize=128M  
（默认切片大小blockSize是128M，minSize大小默认是1M，maxSize默认>128M）

增加mapper个数，减小切片大小：减小maxSize的值<128M，那么切片大小为maxSize；

减少mapper个数，增大切片大小：增大minSize的值>128M，那么切片大小为minSize；

eg：减小切片大小，增加切片个数，增加mapper数  
set mapreduce.input.fileinputformat.split.maxsize=100;

### （4）合理设置Reduce个数 ###

在Hadoop的mapred-default.xml文件中修改，设置每个job的Reduce个数：-1代表使用默认值。

set mapreduce.job.reduces = -1

ps：reduce个数并非越多越好，过多启动和初始化reduce会消耗时间和资源，

另外一个reduce产生一个输出文件，如果reduce过多，会产生很多小文件；如果这些小文件作为下一个job的输入，也会出现小文件过多的问题。

[1.]: https://blog.csdn.net/wx1528159409/article/details/88527662#1.%20%E5%B9%B6%E8%A1%8C%E6%89%A7%E8%A1%8C
[2.]: https://blog.csdn.net/wx1528159409/article/details/88527662#2.%20%E4%B8%A5%E6%A0%BC%E6%A8%A1%E5%BC%8F
[3. JVM]: https://blog.csdn.net/wx1528159409/article/details/88527662#3.%20JVM%E9%87%8D%E7%94%A8
[4.]: https://blog.csdn.net/wx1528159409/article/details/88527662#5.%20%E5%8E%8B%E7%BC%A9
[1_Map_snappy]: https://blog.csdn.net/wx1528159409/article/details/88527662#%EF%BC%881%EF%BC%89%E5%BC%80%E5%90%AFMap%E8%BE%93%E5%87%BA%E9%98%B6%E6%AE%B5%E5%8E%8B%E7%BC%A9%EF%BC%88snappy%E5%8E%8B%E7%BC%A9%EF%BC%89
[2_Reduce_snappy]: https://blog.csdn.net/wx1528159409/article/details/88527662#%EF%BC%882%EF%BC%89%E5%BC%80%E5%90%AFReduce%E8%BE%93%E5%87%BA%E9%98%B6%E6%AE%B5%E5%8E%8B%E7%BC%A9%EF%BC%88snappy%E5%8E%8B%E7%BC%A9%EF%BC%89
[5. _Map_Reduce]: https://blog.csdn.net/wx1528159409/article/details/88527662#6.%20%E5%90%88%E7%90%86%E8%AE%BE%E7%BD%AEMap%E5%92%8CReduce%E4%B8%AA%E6%95%B0
[1_map]: https://blog.csdn.net/wx1528159409/article/details/88527662#%EF%BC%881%EF%BC%89%E5%B0%8F%E6%96%87%E4%BB%B6%E8%BF%87%E5%A4%9A%EF%BC%8C%E5%87%8F%E5%B0%91map%E6%95%B0
[2]: https://blog.csdn.net/wx1528159409/article/details/88527662#%EF%BC%882%EF%BC%89%E5%B0%8F%E6%96%87%E4%BB%B6%E8%BF%9B%E8%A1%8C%E5%90%88%E5%B9%B6
[3_map]: https://blog.csdn.net/wx1528159409/article/details/88527662#%EF%BC%883%EF%BC%89%E6%96%87%E4%BB%B6%E6%AF%94%E8%BE%83%E5%A4%A7%E3%80%81%E6%96%87%E4%BB%B6%E5%A4%84%E7%90%86%E9%80%BB%E8%BE%91%E5%A4%8D%E6%9D%82%EF%BC%8C%E5%A2%9E%E5%A4%A7map%E6%95%B0
[4_Reduce]: https://blog.csdn.net/wx1528159409/article/details/88527662#%EF%BC%884%EF%BC%89%E5%90%88%E7%90%86%E8%AE%BE%E7%BD%AEReduce%E4%B8%AA%E6%95%B0