Я новичок в улье, и у меня возникли проблемы с переносом большого (1 ТБ) файла HDFS в разделенную управляемую таблицу Hive.Можете ли вы помочь мне обойти это?Я чувствую, что у меня где-то плохая конфигурация, потому что я не могу выполнить задания редуктора.
Вот мой запрос:
DROP TABLE IF EXISTS ts_managed;
SET hive.enforce.sorting = true;
CREATE TABLE IF NOT EXISTS ts_managed (
svcpt_id VARCHAR(20),
usage_value FLOAT,
read_time SMALLINT)
PARTITIONED BY (read_date INT)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS ORC
TBLPROPERTIES("orc.compress"="snappy","orc.create.index"="true","orc.bloom.filter.columns"="svcpt_id");
SET hive.vectorized.execution.enabled = true;
SET hive.vectorized.execution.reduce.enabled = true;
SET set hive.cbo.enable=true;
SET hive.tez.auto.reducer.parallelism=true;
SET hive.exec.reducers.max=20000;
SET yarn.nodemanager.pmem-check-enabled = true;
SET optimize.sort.dynamic.partitioning=true;
SET hive.exec.max.dynamic.partitions=10000;
INSERT OVERWRITE TABLE ts_managed
PARTITION (read_date)
SELECT svcpt_id, usage, read_time, read_date
FROM ts_raw
DISTRIBUTE BY svcpt_id
SORT BY svcpt_id;
Мои спецификации кластера:
- Виртуальный кластер
- 4 узла
- 4 узла данных
- 32 ядра
- 140 ГБ ОЗУ
- Hortonworks HDP 3.0
- Apache Tez как движок по умолчанию. Hive
- . Я единственный пользователь кластера
Мои настройки пряжи:
yarn.nodemanager.resource.memory-mb = 32GB
yarn.scheduler.minimum-allocation-mb = 512MB
yarn.scheduler.maximum-allocation-mb = 8192MB
yarn-heapsize = 1024MB
MyКонфиги Hive:
hive.tez.container.size = 682MB
hive.heapsize = 4096MB
hive.metastore.heapsize = 1024MB
hive.exec.reducer.bytes.per.reducer = 1GB
hive.auto.convert.join.noconditionaltask.size = 2184.5MB
hive.tex.auto.reducer.parallelism = True
hive.tez.dynamic.partition.pruning = True
Мои конфиги tez:
tez.am.resource.memory.mb = 5120MB
tez.grouping.max-size = 1073741824 Bytes
tez.grouping.min-size = 16777216 Bytes
tez.grouping.split-waves = 1.7
tez.runtime.compress = True
tez.runtime.compress.codec = org.apache.hadoop.io.compress.SnappyCodec
Я пробовал множество конфигураций, включая:
- Раздел на дату
- Раздел по дате, кластер по svcpt_id с сегментами
- Раздел по дате, фильтр Блума по svcpt, сортировка по svcpt_id
- Раздел по дате, фильтр Блума по svcpt, распределение и сортировка по svcpt_id
Я могу запустить свою вершины отображения, но я не получил свою первую вершину редуктора для завершения.Вот мой самый последний пример из приведенного выше запроса:
----------------------------------------------------------------------------------------------
VERTICES MODE STATUS TOTAL COMPLETED RUNNING PENDING FAILED KILLED
----------------------------------------------------------------------------------------------
Map 1 .......... container SUCCEEDED 1043 1043 0 0 0 0
Reducer 2 container RUNNING 9636 0 0 9636 1 0
Reducer 3 container INITED 9636 0 0 9636 0 0
----------------------------------------------------------------------------------------------
VERTICES: 01/03 [=>>-------------------------] 4% ELAPSED TIME: 6804.08 s
----------------------------------------------------------------------------------------------
Ошибка была:
Error: Error while processing statement: FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.tez.TezTask. Vertex failed, vertexName=Reducer 2, vertexId=vertex_1537061583429_0010_2_01, diagnostics=[Task failed, taskId=task_1537061583429_0010_2_01_000070, diagnostics=[TaskAttempt 0 failed, info=[Error: Error while running task ( failure ) : java.lang.OutOfMemoryError: unable to create new native thread
Я либо получаю эту ошибку OOM, которую я не могу обойти, либо получаю датодыперешел в автономный режим и не смог удовлетворить мои требования к коэффициенту репликации.
На данный момент я устраняю неполадки более 2 недель.Любые контакты с профессиональными консультантами, которых я могу заплатить, чтобы решить эту проблему, также приветствуются.
Заранее спасибо!