如何調整 Hive 插入覆蓋分區？

Question

我在 hive 中編寫了插入覆蓋分區以將分區中的所有文件合並到更大的文件中，

查詢語句：

SET hive.exec.compress.output=true;
set hive.merge.smallfiles.avgsize=2560000000;
set hive.merge.mapredfiles=true;
set hive.merge.mapfiles =true;
SET mapreduce.max.split.size=256000000;
SET mapreduce.min.split.size=256000000;
SET mapreduce.output.fileoutputformat.compress.type =BLOCK;
SET hive.hadoop.supports.splittable.combineinputformat=true;
SET mapreduce.output.fileoutputformat.compress.codec=${v_compression_codec};

INSERT OVERWRITE TABLE ${source_database}.${table_name} PARTITION (${line}) \n SELECT ${prepare_sel_columns} \n from ${source_database}.${table_name} \n WHERE ${partition_where_clause};\n" 

通過上述設置，我得到了壓縮輸出，但生成輸出文件所需的時間太長。

即使它只運行 map 作業，也需要很多時間。

從配置單元尋找任何進一步的設置來調整插入以更快地運行。

指標。

15 GB 文件 ==> 需要 10 分鍾。

Answer 1

SET hive.exec.compress.output=true; SET mapreduce.input.fileinputformat.split.minsize=512000000; SET mapreduce.input.fileinputformat.split.maxsize=5120000000; SET mapreduce.output.fileoutputformat.compress.type =BLOCK; SET hive.hadoop.supports.splittable.combineinputformat=true; SET mapreduce.output.fileoutputformat.compress.codec=${v_compression_codec};

上述設置幫助很大，持續時間從 10 分鍾減少到 1 分鍾。