Performance 如何强制配置单元在insert OVERRIDE中将行平均分布到分区表中,从简化程序中的另一个表开始,以提高性能
我想从另一个配置单元表插入分区配置单元表。数据在目标表的单个分区中传输。问题是所有减速器都完成得非常快,但其中一个减速器需要很长时间,因为所有的工作都将由单个减速器完成 我想找到一种方法,使功在所有减速机中平均分配。有什么办法吗?如何提高插入覆盖的性能 源表DDL:Performance 如何强制配置单元在insert OVERRIDE中将行平均分布到分区表中,从简化程序中的另一个表开始,以提高性能,performance,hive,hiveql,Performance,Hive,Hiveql,我想从另一个配置单元表插入分区配置单元表。数据在目标表的单个分区中传输。问题是所有减速器都完成得非常快,但其中一个减速器需要很长时间,因为所有的工作都将由单个减速器完成 我想找到一种方法,使功在所有减速机中平均分配。有什么办法吗?如何提高插入覆盖的性能 源表DDL: CREATE EXTERNAL TABLE employee ( id INT,first_name String,latst_name String,email String,gender String) STORED AS T
CREATE EXTERNAL TABLE employee ( id INT,first_name String,latst_name String,email String,gender String) STORED AS TEXTFILE '/emp/data'
目标表DDL:
CREATE EXTERNAL TABLE employee_stage ( id INT,first_name String,latst_name String,email String,gender String) PARTITIONED BY (batch_id bigint) STORED AS ORC LOCATION '/stage/emp/data'
这是数据快照
1 Helen Perrie hperrie0@lulu.com Female
2 Rafaelita Jancso rjancso1@cdbaby.com Female
3 Letti Kelley lkelley2@slideshare.net Female
4 Adela Dmisek admisek3@state.gov Female
5 Lay Reyner lreyner4@wired.com Male
6 Robby Felder rfelder5@microsoft.com Male
7 Thayne Brunton tbrunton6@sun.com Male
8 Lorrie Roony lroony7@oracle.com Male
9 Hodge Straun hstraun8@w3.org Male
10 Gawain Tomblett gtomblett9@toplist.cz Male
11 Carey Facher cfachera@ca.gov Male
12 Pamelina Elijahu pelijahub@goo.ne.jp Female
13 Carmelle Dabs cdabsc@bizjournals.com Female
14 Moore Baldrick mbaldrickd@yandex.ru Male
15 Sheff Morin smorine@purevolume.com Male
16 Zed Eary zearyf@livejournal.com Male
17 Angus Pollastrone apollastroneg@wikispaces.com Male
18 Moises Hubach mhubachh@usnews.com Male
19 Lilllie Beetham lbeethami@diigo.com Female
20 Mortimer De Hooge mdehoogej@ucoz.com Male
源表包含超过100M的记录
这是我正在使用的hql
insert overwrite table employee_stage
PARTITION (batch_id)
SELECT
id,
first_name,
latst_name,
email,
gender,
123456789 as batch_id
FROM employee;
数据在单个分区中传输
在这种情况下,请让我知道如何提高性能?
有没有办法将行平均分布在所有的约简器中?我想您在
插入覆盖
查询中没有执行连接或其他一些繁重的转换,并且在插入过程中确实发生了倾斜。因为若你们这样做了,那个么问题不应该是关于插入的
尝试将
按批分发\u id
添加到插入查询并重新运行。如果仍然使用skew运行,请检查数据。对于某些特定的批处理id
数据太多,或者可能有很多空值。对于如何处理倾斜数据,有不同的方法。其中之一是过滤掉倾斜的关键点并分别加载它们。检查job tracker上的长时间运行的减速器日志,它将为您提供有关问题所在的更多信息。您可以提供其他信息吗?你的桌子是如何分区的?您的数据集是什么?(1)请在原始帖子中添加其他信息并删除注释(2)请提供两个表的DDL以及用于填充目标的代码table@DuduMarkovitz我已经添加了DDL和hql。请查找。此操作中没有还原程序…@DuduMarkovitz当insert OVERRIDE将运行时,它将运行还原程序源表中的整个数据将用于单个批次id。因此,所有行都将用于单个还原程序。我可以强制hive在所有减速器中平均分配行吗?尝试通过其他更均匀分布的键来分配。理想情况下,它应该启动多个reducer,每个reducer将创建自己的文件。还要检查此属性:set hive.exec.reducers.bytes.per.reducer=67108864代码>以确保每个reducer没有太多数据默认值为1G。将其设置为67108864将创建更多的减速器,从而提高并行性。并检查是否没有导致所有数据在单个减速器上运行的order by
或其他原因