Hive动态分区导致的Jobtracker Hang问题

Hive动态分区导致的Jobtracker Hang问题

熟悉Jobtracker的都知道，在进行Job初始化时EagerTaskInitializationListener会锁住JobInProgress然后进行InitTask,细节请各位查看代码，这里有一步就是需要向hdfs写入初始数据并flush，而Fairscheduler的Update Thread在更新资源池的资源时是在持有JobTracker和Fairscheduler的独占锁然后再去计算每个资源池的资源情况，而计算running_map/running_reduce的时候要去获取相应的JobInProgress锁，各位读者可能不明白，我为啥要讲这块呢，问题就出现在这里.

Hive在处理动态分区的时候，主要经历这么几个步骤tablescan->filesink->movetask

在进行filesink的时候是根据记录来处理的，会起N（part）个record writer然后开始处理动态分区字段，即这里的dt，如果dt是连续的那么打开一个block开始写，否则关闭当前block，打开新dir的block继续写，这里如果dt是不连续的出现并且记录数量巨大的情况下会产生大量的文件，导致hdfs的负载标高，和当时的hdfs的监控是匹配的：

当时的集群负载：

当时产生的文件数：

进而导致JobInProgress被锁住，从而JobTracker被锁住，导致JobTracker Hang住了！

那怎么解决呢？利用distributeby dt把相同的dt排列到一起再进行filesink就不会造成大量的小文件产生了。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。