Hive TEZ 需要很长时间来运行查询

Question

我对 Hive 和 Hadoop 有点陌生。我有一个查询需要 10 分钟才能完成查询。

数据大小为 10GB 统计：行数：4457541 数据大小：1854337449 基本统计：COMPLETE 列统计：COMPLETE

分区和分桶在表中完成。

如何改进以下查询。

select * fromtbl1 where clmn='Abdul' and loc='IND' and TO_UNIX_TIMESTAMP(ts) > (UNIX_TIMESTAMP() - 5*60*60);
set hive.vectorized.execution.reduce.enabled=true;
set hive.tez.container.size=8192;
set hive.fetch.task.conversion = none;
set mapred.compress.map.output=true;
set mapred.output.compress=true;
set hive.fetch.task.conversion=none;


-----------+--+
|                                                                                                           Explain                                                                                                           |
+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+--+
| Plan not optimized by CBO.                                                                                                                                                                                                  |
|                                                                                                                                                                                                                             |
| Stage-0                                                                                                                                                                                                                     |
|    Fetch Operator                                                                                                                                                                                                           |
|       limit:-1                                                                                                                                                                                                              |
|       Stage-1                                                                                                                                                                                                               |
|          Map 1                                                                                                                                                                                                              |
|          File Output Operator [FS_2973]                                                                                                                                                                                     |
|             compressed:false                                                                                                                                                                                                |
|             Statistics:Num rows: 49528 Data size: 24516360 Basic stats: COMPLETE Column stats: COMPLETE                                                                                                                     |
|             table:{"input format:":"org.apache.hadoop.mapred.TextInputFormat","output format:":"org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat","serde:":"org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe"}  |
|             Select Operator [SEL_2972]                                                                                                                                                                                      |
|                outputColumnNames:["_col0","_col1","_col2","_col3","_col4","_col5","_col6","_col7"]                                                                                                                          |
|                Statistics:Num rows: 49528 Data size: 24516360 Basic stats: COMPLETE Column stats: COMPLETE                                                                                                                  |
|                Filter Operator [FIL_2971]                                                                                                                                                                                   |
|                   predicate:((section = 'xysaa') and (to_unix_timestamp(ts) > (unix_timestamp() - 18000))) (type: boolean)                                                                                               |
|                   Statistics:Num rows: 49528 Data size: 24516360 Basic stats: COMPLETE Column stats: COMPLETE                                                                                                               |
|                   TableScan [TS_2970]                                                                                                                                                                                       |
|                      ACID table:true                                                                                                                                                                                        |
|                      alias:pp                                                                                                                                                                              |
|                      Statistics:Num rows: 4457541 Data size: 1854337449 Basic stats: COMPLETE Column stats: COMPLETE                                                                                                        |
|                                                                                                                                                                                                                             |
+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+--+

没有一个参数可以帮助我们在更短的时间内解决查询。

Answer 1

根据计划，查询在mapper上运行，向量化未启用。试试这个：

set hive.vectorized.execution.enabled = true;
set hive.vectorized.execution.reduce.enabled=true;

调整映射器并行度：

set tez.grouping.max-size=67108864;
set tez.grouping.min-size=32000000;

使用这些设置来增加正在运行的映射器的数量。理想情况下，它应该在没有此设置的情况下运行：

set hive.tez.container.size=8192;

另一个建议是将unix_timestamp() 替换为UNIX_TIMESTAMP(current_timestamp)。这个函数不是确定性的，它的值对于查询执行的范围也不是固定的，因此会阻止对查询的适当优化 - 从 2.0 开始，它已被弃用，取而代之的是 CURRENT_TIMESTAMP 常量。

(UNIX_TIMESTAMP(current_timestamp) - 5*60*60)

您的文件也非常小。分区大小为200-500，每个分区12个文件，20-50Mb是文件大小。幸运的是它是 ORC，您可以使用 ALTER TABLE CONCATENATE COMMAND 连接文件。 12个文件不是什么大问题，查询单个分区时您可能不会注意到改进。

另请参阅此答案：https://stackoverflow.com/a/48487306/2700344