Wordpress免费文章采集,宁波seo平台,徐州地产开发公司国企,杭州网红打卡地CBO优化 CBO是指Cost based Optimizer#xff0c;即基于计算成本的优化。 在Hive中#xff0c;计算成本模型考虑到了#xff1a;数据的行数、CPU、本地IO、HDFS IO、网络IO等方面。Hive会计算同一SQL语句的不同执行计划的计算成本#xff0c;并选出成本最低的执行计划。目前…CBO优化 CBO是指Cost based Optimizer即基于计算成本的优化。 在Hive中计算成本模型考虑到了数据的行数、CPU、本地IO、HDFS IO、网络IO等方面。Hive会计算同一SQL语句的不同执行计划的计算成本并选出成本最低的执行计划。目前CBO在hive的MR引擎下主要用于join的优化例如多表join的join顺序。 关闭CBO优化 根据执行计划可以看出三张表的join顺序如下 开启CBO优化 根据上述案例可以看出CBO优化对于执行计划中join顺序是有影响的其之所以会将province_info的join顺序提前是因为province info的数据量较小将其提前会有更大的概率使得中间结果的数据量变小从而使整个计算任务的数据量减小也就是使计算成本变小。
Map端并行度 Map端的并行度也就是Map的个数。是由输入文件的切片数决定的。一般情况下Map端的并行度无需手动调整。 查询的表中存在大量小文件情况下 按照Hadoop默认的切片策略一个小文件会单独启动一个map task负责计算。若查询的表中存在大量小文件则会启动大量map task造成计算资源的浪费。这种情况下可以使用Hive提供的CombineHiveInputFormat多个小文件合并为一个切片从而控制map task个数。
Reduce端并行度 Reduce端的并行度也就是Reduce个数。相对来说更需要关注。Reduce端的并行度可由用户自己指定也可由Hive自行根据该MR Job输入的文件大小进行估算。Hive自行估算Reduce并行度时是以整个MR Job输入的文件大小作为依据的。因此在某些情况下其估计的并行度很可能并不准确此时就需要用户根据实际情况来指定Reduce并行度了。 小文件合并 小文件合并优化分为两设置以下参数个方面分别是Map端输入的小文件合并和Reduce端输出的小文件合并。 合并Map端输入的小文件是指将多个小文件划分到一个切片中进而由一个Map Task去处理。目的是防止为单个小文件启动一个Map Task浪费计算资源。
相关参数为
--可将多个小文件切片合并为一个切片进而由一个map任务处理
set hive.input.formatorg.apache.hadoop.hive.ql.io.CombineHiveInputFormat; 合并Reduce端输出的小文件是指将多个小文件合并成大文件。目的是减少HDFS小文件数量。其原理是根据计算任务输出文件的平均大小进行判断若符合条件则单独启动一个额外的任务进行合并。可设置以下参数
--开启合并map reduce任务输出的小文件
set hive.merge.mapredfilestrue;--合并后的文件大小
set hive.merge.size.per.task256000000;--触发小文件合并任务的阈值若某计算任务输出的文件平均大小低于该值则触发合并
set hive.merge.smallfiles.avgsize16000000;
