2023學(xué)年完整公開課版hive數(shù)據(jù)傾斜_第1頁
2023學(xué)年完整公開課版hive數(shù)據(jù)傾斜_第2頁
2023學(xué)年完整公開課版hive數(shù)據(jù)傾斜_第3頁
2023學(xué)年完整公開課版hive數(shù)據(jù)傾斜_第4頁
2023學(xué)年完整公開課版hive數(shù)據(jù)傾斜_第5頁
已閱讀5頁,還剩4頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

Hive數(shù)據(jù)傾斜2知識目標(biāo)數(shù)據(jù)傾斜的原因數(shù)據(jù)傾斜的情況數(shù)據(jù)傾斜的解決方案01能力目標(biāo)了解產(chǎn)生數(shù)據(jù)傾斜的原因掌握容易產(chǎn)生數(shù)據(jù)傾斜的情況掌握數(shù)據(jù)傾斜的解決方案02學(xué)習(xí)目標(biāo)1目錄01產(chǎn)生數(shù)據(jù)傾斜的原因02容易發(fā)生數(shù)據(jù)傾斜的情況03數(shù)據(jù)傾斜的解決方案數(shù)據(jù)傾斜產(chǎn)生原因2key分布不均勻或者某些key太集中業(yè)務(wù)數(shù)據(jù)本身的特性建表考慮不周全某些HQL語句本身就存在數(shù)據(jù)傾斜容易產(chǎn)生數(shù)據(jù)傾斜的情況3關(guān)鍵詞情形后果Join其中一個表較小,但key集中分發(fā)到某一個或幾個Reduce上的數(shù)據(jù)遠(yuǎn)高于平均值大表與大表,但是分桶的判斷字段0值或空值過多這些空值都由一個reduce處理,非常慢groupbygroupby維度過小,某值的數(shù)量過多處理某值的reduce非常耗時CountDistinc某特殊值過多處理此特殊值的reduce耗時4數(shù)據(jù)傾斜的解決方案-大表和小表關(guān)聯(lián)把重復(fù)關(guān)聯(lián)鍵少的表放在join前面做關(guān)聯(lián)可以提高join的效率?!?/p>

簡單來說,是把關(guān)聯(lián)鍵和標(biāo)記是在join左邊還是右邊的標(biāo)識位作為組合鍵(key),把一條記錄以及標(biāo)記是在join左邊還是右邊的標(biāo)識位組合起來作為值(value)。在reduce的shuffle階段,按照組合鍵的關(guān)聯(lián)鍵進(jìn)行主排序,當(dāng)關(guān)聯(lián)鍵相同時,再按照標(biāo)識位進(jìn)行輔助排序。而在分區(qū)段時,只用關(guān)聯(lián)鍵中的關(guān)聯(lián)鍵進(jìn)行分區(qū)段,這樣關(guān)聯(lián)鍵相同的記錄就會放在同一個valuelist中,同時保證了join左邊的表的記錄在valuelist的前面,而join右邊的表的記錄在valuelist的后面。

數(shù)據(jù)傾斜的解決方案-大表和大表關(guān)聯(lián)5比如:大表與大表關(guān)聯(lián),但是其中一張表的多是空值或者0比較多,容易shuffle給一個reduce,造成運(yùn)行慢。解決方式:這種情況可以對異常值賦一個隨機(jī)值來分散key,均勻分配給多個reduce去執(zhí)行當(dāng)key值都是有效值時,解決辦法為設(shè)置以下幾個參數(shù)sethive.exec.reducers.bytes.per.reducer=1000000000也就是每個節(jié)點(diǎn)的reduce默認(rèn)是處理1G大小的數(shù)據(jù),如果你的join

操作也產(chǎn)生了數(shù)據(jù)傾斜,那么你可以在hive中設(shè)定sethive.optimize.skewjoin

=true;sethive.skewjoin.key=skew_key_threshold(default=100000)hive在運(yùn)行的時候沒有辦法判斷哪個key會產(chǎn)生多大的傾斜,所以使用這個參數(shù)控制傾斜的閾值,如果超過這個值,新的值會發(fā)送給那些還沒有達(dá)到的reduce,一般可以設(shè)置成你處理的總記錄數(shù)/reduce個數(shù)的2-4倍都可以接受。

數(shù)據(jù)傾斜的解決方案-groupby造成數(shù)據(jù)傾斜5使用Hive對數(shù)據(jù)做一些類型統(tǒng)計(jì)的時候遇到過某種類型的數(shù)據(jù)量特別多,而其他類型數(shù)據(jù)的數(shù)據(jù)量特別少。當(dāng)按照類型進(jìn)行g(shù)roupby的時候,會將相同的groupby字段的reduce任務(wù)需要的數(shù)據(jù)拉取到同一個節(jié)點(diǎn)進(jìn)行聚合,而當(dāng)其中每一組的數(shù)據(jù)量過大時,會出現(xiàn)其他組的計(jì)算已經(jīng)完成而這里還沒計(jì)算完成,其他節(jié)點(diǎn)的一直等待這個節(jié)點(diǎn)的任務(wù)執(zhí)行完成,所以會看到一直map100%

reduce99%的情況。解決方式:hive.map.aggr=true(默認(rèn)true)這個配置項(xiàng)代表是否在map端進(jìn)行聚合,相當(dāng)于Combinerhive.groupby.skewindata=true(默認(rèn)false)有數(shù)據(jù)傾斜的時候進(jìn)行負(fù)載均衡,當(dāng)選項(xiàng)設(shè)定為true,生成的查詢計(jì)劃會有兩個MRJob。第一個MRJob中,Map的輸出結(jié)果集合會隨機(jī)分布到Reduce中,每個Reduce做部分聚合操作,并輸出結(jié)果,這樣處理的結(jié)果是相同的GroupByKey有可能被分發(fā)到不同的Reduce中,從而達(dá)到負(fù)載均衡的目的;第二個MRJob再根據(jù)預(yù)處理的數(shù)據(jù)結(jié)果按照

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論