[英]How does Hive CLI retrieve huge result files from HDFS?
通过 CLI 执行 hive 查询后,如下所示:
$ hive -e QUERY > output.txt
流程如下图所示:
==============
Hadoop Cluster
==============
| |
| |
| 2. output RESULT as a single .gz file at HDFS because of 1 reducer
| |
| |
1. QUERY |
| |
| 3. Hive retrieves the RESULT as stream or a whole file ?
| If as a whole file, what happens when file size > memory size ?
| |
| |
===========
Hive Client
===========
|
|
4. Client outputs RESULT to stdout which is redirected to a file
|
|
===========
Output File
===========
我的问题是:如果 HDFS 上的单个结果文件超大,甚至比我的本地物理内存还大,那么 Hive 客户端如何处理?
Hive 客户端是否检索文件
您正在以流的形式获取结果,因此如果您没有重定向输出,则您的过程中不会包含任何临时文件。 你可以把它想象成在做hadoop fs -cat /THE/RESULT/FILE/OF/YOUR/HIVE/REQUEST
如果结果将是一个大数据,您可以将它们重新放在 hdfs 位置:
$ hive -e QUERY | hadoop fs -put - /HDFS/LOCATION
但是这里你应该注意网络,因为它可能已经饱和了
另一种选择是将数据立即存储到另一个 Hive 表中,这样 Hive 将为您完成所有工作,并且不会将任何结果流式传输/复制到您的本地机器
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.