Hive数据卡住,运行不出来

JNSimba 2017-01-11 11:27:50
Status: Running (Executing on YARN cluster with App id application_1481466395876_274218)

--------------------------------------------------------------------------------
VERTICES STATUS TOTAL COMPLETED RUNNING PENDING FAILED KILLED
--------------------------------------------------------------------------------
Map 1 ......... RUNNING 47 44 3 0 0 0
Map 5 ......... RUNNING 47 46 1 0 0 0
Map 6 ......... RUNNING 47 46 1 0 0 0
Reducer 2 RUNNING 77 0 77 0 0 0
Reducer 3 RUNNING 62 0 15 47 0 0
Reducer 4 INITED 47 0 0 47 0 0
--------------------------------------------------------------------------------
VERTICES: 00/06 [==========>>----------------] 41% ELAPSED TIME: 821.20 s
--------------------------------------------------------------------------------


数据都是卡在running阶段,特别特别慢,有什么改进的方法么

跪求大神
...全文
1330 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
数据常见问题之数据倾斜全文共5页,当前为第1页。大数据常见问题之数据倾斜全文共5页,当前为第1页。大数据常见问题之数据倾斜 大数据常见问题之数据倾斜全文共5页,当前为第1页。 大数据常见问题之数据倾斜全文共5页,当前为第1页。 什么是数据倾斜 简单的讲,数据倾斜就是我们在计算数据的时候,数据的分散度不够,导致大量的数据集中到了一台或者几台机器上计算,这些数据的计算速度远远低于平均计算速度,导致整个计算过程过慢。 相信大部分做数据的童鞋们都会遇到数据倾斜,数据倾斜会发生在数据开发的各个环节中,比如: 用Hive数据的时候reduce阶段卡在99.99% 用SparkStreaming做实时算法时候,一直会有executor出现OOM的错误,但是其余的executor内存使用率却很低。 数据倾斜有一个关键因素是数据量大,可以达到千亿级。 数据倾斜长的表现 以Hadoop和Spark是最常见的两个计算平台,下面就以这两个平台说明: 1、Hadoop中的数据倾斜 Hadoop中直接贴近用户使用使用的时Mapreduce程序和Hive程序,虽说Hive最后也是用MR来执行(至少目前Hive内存计算并不普及),但是毕竟写的内容逻辑区别很大,一个是程序,一个是Sql,因此这里稍作区分。 Hadoop中的数据倾斜主要表现在ruduce阶段卡在99.99%,一直99.99%不能结束。 这里如果详细的看日志或者和监控界面的话会发现: 有一个多几个reduce卡住 各种container报错OOM 读写的数据量极大,至少远远超过其它正常的reduce 伴随着数据倾斜,会出现任务被kill等各种诡异的表现。 经验: Hive数据倾斜,一般都发生在Sql中Group和On上,而且和数据逻辑绑定比较深。 2、Spark中的数据倾斜 大数据常见问题之数据倾斜全文共5页,当前为第2页。大数据常见问题之数据倾斜全文共5页,当前为第2页。Spark中的数据倾斜也很常见,这里包括Spark Streaming和Spark Sql,表现主要有下面几种: 大数据常见问题之数据倾斜全文共5页,当前为第2页。 大数据常见问题之数据倾斜全文共5页,当前为第2页。 Executor lost,OOM,Shuffle过程出错 Driver OOM 单个Executor执行时间特别久,整体任务卡在某个阶段不能结束 正常运行的任务突然失败 补充一下,在Spark streaming程序中,数据倾斜更容易出现,特别是在程序中包含一些类似sql的join、group这种操作的时候。 因为Spark Streaming程序在运行的时候,我们一般不会分配特别多的内存,因此一旦在这个过程中出现一些数据倾斜,就十分容易造成OOM。 数据倾斜的原理 1、数据倾斜产生的原因 我们以Spark和Hive的使用场景为例。他们在做数据运算的时候会设计到,countdistinct、group by、join等操作,这些都会触发Shuffle动作,一旦触发,所有相同key的值就会拉到一个或几个节点上,就容易发生单点问题。 2、万恶的shuffle Shuffle是一个能产生奇迹的地方,不管是在Spark还是Hadoop中,它们的作用都是至关重要的。那么在Shuffle如何产生了数据倾斜? Hadoop和Spark在Shuffle过程中产生数据倾斜的原理基本类似。如下图。 大数据常见问题之数据倾斜全文共5页,当前为第3页。大数据常见问题之数据倾斜全文共5页,当前为第3页。 大数据常见问题之数据倾斜全文共5页,当前为第3页。 大数据常见问题之数据倾斜全文共5页,当前为第3页。 大部分数据倾斜的原理就类似于下图,很明了,因为数据分布不均匀,导致大量的数据分配到了一个节点。 3、从业务计角度来理解数据倾斜 数据往往和业务是强相关的,业务的场景直接影响到了数据的分布。再举一个例子,比如就说订单场景吧,我们在某一天在北京和上海两个城市多了强力的推广,结果可能是这两个城市的订单量增长了10000%,其余城市的数据量不变。然后我们要统计不同城市的订单情况,这样,一做group操作,可能直接就数据倾斜了。 如何解决 数据倾斜的产生是有一些讨论的,解决它们也是有一些讨论的,本章会先给出几个解决数据倾斜的思路,然后对Hadoop和Spark分别给出一些解决数据倾斜的方案。 一、几个思路 解决数据倾斜有这几个思路: 1.业务逻辑,我们从业务逻辑的层面上来优化数据倾斜,比如上面的例子,我们单独对这两个城市来做count,最后和其它城市做整合。 大数据常见问题之数据倾斜全文共5页,当前为第4页。大数据常见问题之数据倾斜全文共5页,当前为第4页。2.程序层面,比如说在Hive中,经常遇到count(distinct)操作,这样会

7,388

社区成员

发帖
与我相关
我的任务
社区描述
其他数据库开发 数据仓库
社区管理员
  • 数据仓库
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧