hive效能調優及問題排查

軟體環境：hive1.2.1 ／hadoop2.6.4 ；直接使用hive cli模式執行；

1. 設定執行引擎

set hive.execution.engine=mr;

set hive.execution.engine=spark;

如果設定執行引擎為mr，那麼就會呼叫hadoop的maprecude來執行需要執行job的程式；如果設定執行引擎為spark，那麼就會呼叫spark來執行任務。有條件的話，就設定執行引擎為spark，因為實在是執行的比hadoop的mapreduce快了很多。

2. 針對mr調優，可以設定引數（針對map端）：

set mapred.max.split.size=1000000;

這個設定每個map處理的資料大小，如果現在有乙個10m的資料，那麼設定引數如上，執行可以有多少個map任務呢？

10個 = 10 m ／ 1000000

mapreduce.map.memory.mb=4096 // 設定申請map資源記憶體

mapreduce.map.cpu.vcores=1 //設定申請cpu資源(useless)

第乙個引數是設定map申請的記憶體大小，單位是m，這是設定也就是4g；第二個引數設定是map的cpu資源，不過這個設定沒有效果（在實驗的過程中因為在yarn的配置中並沒有做這個配置，所以導致失效，也就是不管設定為多少其占用都是1個；如果要觀察到實驗效果，那麼可以考慮配置集群yarn相關配置）；

那假設現在有144個map任務，集群資源為：3子節點*8g記憶體*8核cpu，啟動hive的mr任務，同時會有多少個任務在執行呢？

要回答這個問題，就需要梳理下mapreduce執行任務時，yarn資源分配的流程；

2）接下來怎麼判斷可以同時執行多少個map任務呢？

現在集群還剩資源= 22g記憶體+23核cpu ，如果map任務配置記憶體為4g，核心為1核那麼，能同時執行：

5 = min（22g／4g = 5 ， 23/ 1 = 23 ）

也就是同時執行5個map任務，如下：

3）那這時集群還剩多少資源呢？

（3*8g記憶體 + 3*8核cpu ）- （1核cpu，2g記憶體） - 5 * （4g記憶體，1核cpu） = （2g記憶體，18核cpu）

驗證一下：

3. 針對mr調優，可以設定引數（針對reduce端），這個暫時沒有實驗，暫時給出乙個參考：

mapreduce.job.reduces=2(可手工設定)

hive.exec.reducers.max (hive設定的最大可用reducer)

hive.exec.reducers.bytes.per.reducer (hive預設每1g檔案分配乙個reduce)

分配演算法

num_reduce_tasks=min[maxreucers,input.size/perreducer]

原文：

hive程式報failed: execution error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.mapredtask