Hive on Spark系列一:CDH5.5配置支持hive on spark

Hive性能提升秘籍:从Hive on MR到Hive on Spark的深度实践 主要记录如何安装配置Hive on Spark,在执行以下步骤之前,请先确保已经安装Hadoop集群,Hive,MySQL,JDK,Scala,具体安装步骤可参阅之前内容。 阅读详情


以下内容翻译自cloudera官网Configuring Hive on Spark章节内容,地址:https://www.cloudera.com/documentation/enterprise/5-5-x/topics/admin_hos_config.html

我写文档中CDH5.7以上版本已经全面支持Hive on Spark,具体配置请参考官网。

我们目前使用的是CDH5.5.1,所以我就想尝试下Hive on Spark如何,如果可以后期会升级CDH版本,下文以CDH 5.5作为介绍对象

重要:

CDH 5.4以后引入了Hive on Spark,但是在CDH5.5.x中是不被推荐使用的。为了尝试这一特性,请使用测试环境直到Cloudera解决了当前存在的问题和局限性来确保它能用于生产环境。

注意:

推荐使用HiveServer2的Beeline,当然使用Hive CLI也是可以的。

目录:

安装注意事项

启用Hive on Spark

配置属性

配置Hive

配置Executor Memory Size

安装注意事项:

为了让Hive工作在spark上,你必须在HiveServer2所在机器上部署spark gateway角色。另外,hive on spark不能读取spark的配置,也不能提交spark作业。

在使用过程中,需要手动设置如下命令,以便让之后的查询都能使用spark引擎。

set hive.execution.engine=spark;


启用hive on spark

默认hive on spark是禁用的,需要在Cloudera Manager中启用。

1.登录CM界面,打开hive服务。

2.单击 配置标签,查找enable hive on spark属性。

3.勾选Enbale Hive on Spark(Unsupported),并保存更改。

4.查找Spark on YARN 服务,并勾选保存。

5.保存后,重新部署下客户端使其生效。

配置属性

注:官网提供了2个属性配置,第1个属性我没有找到,两个属性都可以直接采取默认值。

属性描述
hive.stats.collect.rawdatasizeHive on Spark uses statistics to determine the threshold for converting common join to map join. There are two types of statistics about the size of data:
  • totalSize: The approximate size of data on the disk
  • rawDataSize: The approximate size of data in memory

When both metrics are available, Hive chooses rawDataSize.

Default: True

hive.auto.convert.join.noconditionaltask.sizeThe threshold for the sum of all the small table size (by default, rawDataSize), for map join conversion. You can increase the value if you want better performance by converting more common joins to map joins. However, if you set this value too high, tasks may fail because too much memory is being used by data from small tables.

Default: 20MB

配置hive

为了改善性能,Cloudera推荐配置如下hive附加属性,在Cloudera Manager,设置如下属性到HiveServer2服务中

hive.stats.fetch.column.stats=true

是否从metstore获取行数统计

hive.optimize.index.filter=true

自动使用索引,默认是不开启,设置为false

配置Executor Memory Size

注意:以下内容具体配法请参考官网

For general Spark configuration recommendations, see Configuring Spark on YARN Applications.

Executor memory size can have a number of effects on Hive. Increasing executor memory increases the number of queries for which Hive can enable mapjoin optimization. However, if there's too much executor memory, it takes longer to perform garbage collection. Also, some experiments shows that HDFS doesn’t handle concurrent writers well, so it may face a race condition if there are too many executor cores.

Cloudera recommends that you set the value for spark.executor.cores to 5, 6, or 7, depending on what the host is divisible by. For example, if yarn.nodemanager.resource.cpu-vcores is 19, then you would set the value to 6. Executors must have the same number of cores. If you set the value to 5, each executor only gets three cores, with four left unused. If you set the value to 7, only two executors are used, and five cores are unused. If the number of cores is 20, set the value to 5 so that each executor gets four cores, and no cores are unused.

Cloudera also recommends the following:
  • Compute a memory size equal to yarn.nodemanager.resource.memory-mb * (spark.executor.cores / yarn.nodemanager.resource.cpu-vcores) and then split that between spark.executor.memory and spark.yarn.executor.memoryOverhead.
  • spark.yarn.executor.memoryOverhead is 15-20% of the total memory size.


总结:

经过上述配置,就可以在Hive CLI或用HiveServer2直接使用hive on spark了,使用和原来Hive on MapReduce没什么区别,只是在使用前执行下set hive.execution.engine=spark;即可使用spark引擎来运行hive了。

   



基于CDH5集群配置snappy压缩 阅读详情

相关推荐

CDH15.0支持spark-sql和spark-thrift-server

CDH15.0支持spark-sql和spark-thrift-server一、前言二、部署Spark-assembly Jar包三、部署Spark ThriftServer启动和停止脚本四、部署Spark sql cli交互shell端 一、前言 CDH 自带的Spark 不支持Spark Thrift,因为spark-assembly jar中缺少Hive thrift相关的依赖包,导致CDH...

u012458821的博客 804

CDH之HIVE-ON-SPARK、Spark配置

hive on spark spark.driver.memory spark.executor.cores spark.executor.instances shuffle 动态分配

ArYe 2907

CDH大数据平台 所有 HiveServer2 角色必须在相同的主机上有一个 Spark 角色(如 Gateway)以接收 Spark 配置。在角色正常运行前,您必须部署 Spark 客户端配置

hive on spark修改计算引擎报错解决方法

80后大叔爱学习 878

cdh6.3.2配置Hive on Spark

环境:戴尔xps15(32G内存、1T固态、外接雷电3接口的三星1T移动固态、WD Elements的4T外接机械硬盘)win10三台Centos7虚拟机用于测试cdh6.3.2集群(免费的社区版的最高版本)以及自编译phoenix5.1.0、flink1.10.0、elasticsearch6.6.0等各源码。 首先,该集群试用企业版功能到期后,无法启动Reports Manager角色(见...

benpaodexiaowoniu的博客 6440

基于CDH 6.3.0 搭建 Hive on Spark 及相关配置和调优

CDH6针对hive on spark的调优文档,这个是生产的实战经验

QGIS-空间分析-核密度分析

本文在QGIS软件中使用核密度估计法分析全球历年的地震数据,旨在分析出地震频发且严重的区域,为地震防控提供参考依据。全球历年地震数据来源于网络,仅用于技术学习探索。通过核密度分析,可以观察到南美、美国西部海岸线和太平洋北部区域在全球地震分布状态中是最为集中和强烈的。

imxiezy的博客 2467

CDH6.0、6.1篇:8、CDH的 hive on spark配置及解析、优化

分三个章节 1、版本展示 2、CDH安装spark 3、优化配置信息 ----------------------分割线---------------------------------------- 1、版本展示 1.所有版本:https://www.scala-lang.org/download/all.html 2.11.8版本:https://www.scala-lang.org/dow...

laughing1997的博客 8316

Xiaojie雷达之路---毫米波雷达基础知识---中频信号的相位

本篇文章主要介绍毫米波雷达的基础知识中的中频信号的相位 文章目录傅里叶变换的快速回顾中频信号的相位中频信号对物体微小位移的灵敏度如何2个chirps来对一个物体的速度进行测量测量一个振动的物体 傅里叶变换的快速回顾 傅里叶变换是将一个信号从时域中转换到频域中,在时域中的一个正弦信号将在频域中产生一个峰值,在大多数情况下,在频域中的一个信号是一个复数(每个值是一个振幅和相位的向量),表示为AejθAe^{j\theta}Aejθ 在频域中峰值的相位等于正弦函数的初始相位 中频信号的相位 上一篇文章中提到,

XiaoJie的博客 1万+

CDH-hive的引擎换为spark:hive on spark

CDH-hive的引擎换为spark:hive on spark

DCHAO的博客 4207

海鸥派OpenEuler开发板实战:从烧写到SSH连接的完整指南

本文提供海鸥派OpenEuler开发板从开箱到SSH远程连接的完整实战指南。详细介绍了基于海思SD3403/SS928芯片的算力开发板系统烧写、存储扩容、网络配置等关键步骤,帮助开发者快速上手这款AI边缘计算设备,并实现高效的远程开发与管理。

ruby5的博客 1121

别再傻傻分不清PBR和NPR了!从《原神》到《双城之战》,聊聊游戏里那些让你眼前一亮的渲染风格

本文深入解析了PBR(基于物理的渲染)与NPR(非真实感渲染)在游戏视觉风格中的应用差异,通过《原神》和《双城之战》的案例,展示了两种渲染技术如何创造出截然不同的艺术效果。从技术原理到实战案例,帮助读者理解如何根据项目需求选择合适的渲染风格。

weixin_30425949的博客 146

Spark与Hive的完美结合:如何在Spark上部署Hive

主要记录如何安装配置 Hive on Spark,在执行以下步骤之前,请先确保已经安装Hadoop集群,Hive,MySQL,JDK,Scala,具体安装步骤不再赘述。

humsuen的博客 3559

Python李峋同款跳动的爱心(完整代码)

Python语言实现李峋同款可写字版跳动的爱心的完整代码。

AIGC 4万+

CDH5上离线安装Spark2.3并配置hive on spark2

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_34153893的博客 1420

Python画柱状图(双柱状图,三柱状图)且显示对应数值

使用python实现双柱状图和三柱状图,并且在柱状图形的顶部显示对应数值;

yue200403的博客 1万+

使用 Simulink 进行电力电子系统的小信号模型仿真

电力电子系统(Power Electronics System)包括各种功率转换器(如 DC-DC 转换器、逆变器等)。这些设备中的关键组件(如 MOSFET、IGBT、电容器、电感器等)不仅影响系统的性能,还直接关系到系统的稳定性、效率和可靠性。因此,在设计阶段进行详细的建模和仿真至关重要。小信号模型仿真的目的是通过线性化非线性系统来评估其动态特性,包括增益、相位裕度、带宽等指标。通过本教程,我们介绍了如何使用 Simulink 进行电力电子系统的小信号模型仿真。背景介绍。

xiaoheshang_123的博客 480

spark on hive

本文主要记录如何安装配置Hive on Spark,在执行以下步骤之前,请先确保已经安装Hadoop集群,Hive,MySQL,JDK,Scala,具体安装步骤不再赘述。 背景 Hive默认使用MapReduce作为执行引擎,即Hive on mr。实际上,Hive还可以使用Tez和Spark作为其执行引擎,分别为Hive on Tez和Hive on Spark。由于MapReduce中间计...

qq_33290422的博客 1206

15、SQL Server查询优化与CPU负载管理

本文深入探讨了SQL Server查询优化与CPU负载管理的关键技术,包括强制连接类型的使用、键查找问题的解决、索引设计的最佳实践、高CPU负载的排查与优化,以及并行性的利弊与调整策略。通过优化查询逻辑、合理设计索引、监控与管理CPU资源,可以显著提升SQL Server的性能和稳定性。适用于数据库开发人员和DBA进行性能调优参考。

pz8901234的博客 76

Hive on spark 配置

参考文档 https://docs.cloudera.com/documentation/enterprise/latest/topics/admin_hos_oview.html#hos_running http://bdlabs.edureka.co/static/help/topics/admin_hos_tuning.html https://docs.cloudera.com/documentation/enterprise/6/6.3/topics/admin_hos_tuning.html 1

weixin_44701015的博客 3229

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

CDH 5.14x 配置spark sql查询hive

配置idea spark sql连接hive 1.首先将/etc/hive/conf/的hive-site.xml复制到项目的resources下 2.添加maven依赖到pom.xml文件,不仅需要添加spark-sql,还需要添加spark-hive,spark版本2.2.0,scala版本2.10 <!-- https://mvnrepository.co...

zhaolq1024的博客 1880

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

hive报错 spark_Hive on Spark安装配置详解(都是坑啊)

简介本文主要记录如何安装配置Hive on Spark,在执行以下步骤之前,请先确保已经安装Hadoop集群,Hive,MySQL,JDK,Scala,具体安装步骤不再赘述。背景Hive默认使用MapReduce作为执行引擎,即Hive on mr。实际上,Hive还可以使用Tez和Spark作为其执行引擎,分别为Hive on Tez和Hive on Spark。由于MapReduce中间计算均...

weixin_39807541的博客 998

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

CDH5适配spark3.0集成kyuubi详细教程

例如:随着spark的更新迭代,已经官网编译好的版本已经不支持低版本的hive了,由于公司需要使用到网易的开源组件kyuubi,而公司的生产环境还是CDH5,hive版本为1.1.0,所以需要重新编译spark3,对低版本hive进行适配。链接: 自编译Spark3.X,支持CDH 5.16.2(hadoop-2.6.0-cdh5.16.2) 链接: Kyuubi实践 | 编译Spark3.1以适配CDH5并集成Kyuubi 链接: 使用spark源码脚本编译CDH版本spark 二、环境安装 1.mave

weixin_44957036的博客 2460

在 CDH 中调优 Apache Hive on Spark

Spark 上的 Hive 在提供相同功能的同时提供比 MapReduce 上的 Hive 更好的性能。在 Spark 上运行 Hive 不需要更改用户查询。具体来说,完全支持用户定义函数 (UDF),并且大多数与性能相关的配置都使用相同的语义。 本主题介绍如何在 Spark 上配置和调整 Hive 以获得最佳性能。本主题假设您的集群由 Cloudera Manager 管理,并且您使用 YARN 作为 Spark 集群管理器。 以下部分中描述的示例假设一个 40 主机 YARN 集群,每台主...

海边无限的专栏 1639

重新编译spark 增加spark-sql适配CDH

spark-sql

Dino系我的专栏 9455

Hive on Spark

简介 本文主要记录如何安装配置Hive on Spark,在执行以下步骤之前,请先确保已经安装Hadoop集群,Hive,MySQL,JDK,Scala,具体安装步骤不再赘述。 背景 Hive默认使用MapReduce作为执行引擎,即Hive on mr。实际上,Hive还可以使用Tez和Spark作为其执行引擎,分别为Hive on Tez和Hive on Spark。由于MapReduce中间计算均需要写入磁盘,而Spark是放在内存中,所以总体来讲Spark比MapReduce快很多。因此,Hi

weixin_42073629的博客 1734
上一篇: mapreduce从hbase大量读数据超时异…
下一篇: 测试hive操作insert into和insert overwrite对elasticsearch中数据的影响
雪地车
博客等级 码龄15年 3粉丝 68原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值