Блог

У меня есть hql, считывающий данные из больших исходных таблиц (более 500 ТБ) и записывающий данные в статическую разделенную таблицу hive. Я каждый день записываю в эту таблицу около 1 ТБ данных. обработка данных в задании MapReduce выполняется нормально, но запись выполняется очень медленно, время загрузки данных колеблется в пределах 10-28 часов. Я попытался изменить формат файла таблицы с sequence на ORC, что не добавило большой производительности при записи. У меня было быстрое сжатие с форматом файла последовательности, изначально представленным в таблице. Я включил параллельное выполнение, автоматическое объединение карт, CBO, векторизацию, чтобы ускорить обработку в целом. В частности, для записи я попытался настроить hive.exec.scratchdir=/tmp/hive операцию копирования из .hive-staging в целевой каталог на операцию перемещения / переименования. Но это не удалось с сообщением ниже. Также попробовал настройку hive.exec.copyfile.maxsize=1099511627776 , которая также не удалась. Я использую mapreduce 2 с мастером пряжи / приложения. Может кто-нибудь сказать мне, как просто напрямую записывать в целевой каталог или использовать операцию переименования вместо копирования, что занимает много времени?

 Failed with exception 
Unable to move source /xxx/tmp/aaa/hive_hive_2020-10-02_15-06-33_205_3126778922824450411-1/-ext-10000 
to destination /xxx/ttt/temp/fff/c=FULL/dt=20200922 
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.MoveTask

Error: java.lang.RuntimeException: Hive Runtime Error while closing operators
        at org.apache.hadoop.hive.ql.exec.mr.ExecMapper.close(ExecMapper.java:210)
        at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:61)
        at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:453)
        at org.apache.hadoop.mapred.MapTask.run(MapTask.java:343)
        at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:170)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:422)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1869)
        at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:164) Caused by: org.apache.hadoop.hive.ql.metadata.HiveException: Unable to rename output from: /xxx/ttt/temp/fff/c=FULL/.hive-staging_hive_2020-10-02_16-52-38_613_8689698651254070943-1/_task_tmp.-ext-10000/_tmp.005299_3 to: /xxx/temp/fff/c=FULL/.hive-staging_hive_2020-10-02_16-52-38_613_8689698651254070943-1/_tmp.-ext-10000/005299_3