cdh-组件配置

hive

1. 设置执行引擎

set hive.execution.engine=mr;
set hive.execution.engine=spark;

如果设置执行引擎为mr，那么就会调用Hadoop的maprecude来运行需要执行job的程序；如果设置执行引擎为spark，那么就会调用spark来执行任务。有条件的话，就设置执行引擎为Spark，因为实在是运行的比Hadoop的MapReduce快了很多。

 

 

2. 针对mr调优，可以设置参数（针对map端）：

set mapred.max.split.size=1000000;
这个设置每个map处理的数据大小，如果现在有一个10M的数据，那么设置参数如上，运行可以有多少个map任务呢？
10个 = 10 M ／ 1000000

mapreduce.map.memory.mb=4096 // 设置申请map资源 内存
mapreduce.map.cpu.vcores=1 //设置申请cpu资源(useless)
第一个参数是设置Map申请的内存大小，单位是M，这是设置也就是4G；第二个参数设置是map的cpu资源，不过这个设置没有效果（在实验的过程中因为在yarn的配置中并没有做这个配置，所以导致失效，也就是不管设置为多少其占用都是1个；如果要观察到实验效果，那么可以考虑配置集群yarn相关配置）；
那假设现在有144个map任务，集群资源为：3子节点*8G内存*8核cpu，启动Hive的MR任务，同时会有多少个任务在运行呢？

要回答这个问题，就需要梳理下MapReduce运行任务时，YARN资源分配的流程；

1）YARN启动MR任务时，会首先启动一个ApplicationMaster来管理当前任务，所以启动后，这个ApplicationMaster会占用一定资源，比如我这里占用资源2G内存，1核cpu，会被随机分配到一个节点上，比如我这里的slave1节点：

 

 

2） 接下来怎么判断可以同时运行多少个Map任务呢？

现在集群还剩资源= 22G内存+23核cpu ，如果map任务配置内存为4G，核心为1核那么，能同时运行：

5 = min（22G／4G = 5  ， 23/ 1 = 23 ）

也就是同时运行5个map任务，如下：

 

 

3）那这时集群还剩多少资源呢？

（3*8G内存 + 3*8核CPU ）-   （1核CPU，2G内存） - 5 * （4G内存，1核CPU） =   （2G内存，18核CPU）

验证一下：