通过Hive小文件归并（CombineHiveInputFormat）减少80%的Map使命数 ...

一、Hive小文件归并（CombineHiveInputFormat）减少Map使命数

核心题目：小文件过多导致Map使命激增（每个文件至少一个Map），浪费资源且增加NameNode压力
优化策略：

• 输入归并（Map前归并）
  
  
  
  • 参数配置： SQL
    set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat; -- 启用归并输入 set mapred.max.split.size=256000000; -- 单个Map处理的最大数据量（默认256MB） set mapred.min.split.size.per.node=100000000; -- 单个节点最小归并阈值
    通过将多个小文件归并为逻辑块，减少Map数目（例如将100个1MB文件归并为2个Map使命） 
     
    
  
  
• 输出归并（使命竣事后归并）
  
  
  
  • 参数配置： SQL
    set hive.merge.mapfiles=true; -- 归并Map输出 set hive.merge.mapredfiles=true; -- 归并Reduce输出 set hive.merge.size.per.task=256000000; -- 目标文件巨细 set hive.merge.smallfiles.avgsize=16000000; -- 触发归并的阈值
    
  • 归并机制：
    使命竣事后自动启动Map-only作业，将碎片文件归并至目标巨细，避免后续使命处理小文件 
     
    
  
  

效果验证：

• 案例：某集群通过归并参数优化，Map使命数从1000+降至200，减少80%资源斲丧 
  
• 注意事项：归并操作可能增加作业耗时，发起仅在终极结果表启用 
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。