Hive小文件问题：如何产生、造成影响、解决办法

向右看齐 2022-10-16 08:45 190阅读 0赞

## 一、小文件是如何产生的 ##

1.动态分区插入数据，产生大量的小文件，从而导致map数量剧增。

2.reduce数量越多，小文件也越多(reduce的个数和输出文件是对应的)。

3.数据源本身就包含大量的小文件。

## 二、小文件问题的影响 ##

1.从Hive的角度看，小文件会开很多map，一个map开一个JVM去执行，所以这些任务的初始化，启动，执行会浪费大量的资源，严重影响性能。

2.在HDFS中，每个小文件对象约占150byte，如果小文件过多会占用大量内存。这样NameNode内存容量严重制约了集群的扩展。

## 三、小文件问题的解决方案 ##

从小文件产生的途经就可以从源头上控制小文件数量，方法如下：

1.使用Sequencefile作为表存储格式，不要用textfile，在一定程度上可以减少小文件。

2.减少reduce的数量(可以使用参数进行控制)。

3.少用动态分区，用时记得按distribute by分区。

## 四、对于已有的小文件，我们可以通过以下几种方案解决： ##

1.使用hadoop archive命令把小文件进行归档。

2.重建表，建表时减少reduce数量。

3.通过参数进行调节，设置map/reduce端的相关参数，如下：

### **设置map输入合并小文件的相关参数：** ###

//每个Map最大输入大小(这个值决定了合并后文件的数量)

set mapred.max.split.size=256000000;

//一个节点上split的至少的大小(这个值决定了多个DataNode上的文件是否需要合并)

set mapred.min.split.size.per.node=100000000;

//一个交换机下split的至少的大小(这个值决定了多个交换机上的文件是否需要合并)

set mapred.min.split.size.per.rack=100000000;

//执行Map前进行小文件合并

set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;

**设置map输出和reduce输出进行合并的相关参数：**

//设置map端输出进行合并，默认为true

set hive.merge.mapfiles = true

//设置reduce端输出进行合并，默认为false

set hive.merge.mapredfiles = true

//设置合并文件的大小

set hive.merge.size.per.task = 256\*1000\*1000

//当输出文件的平均大小小于该值时，启动一个独立的MapReduce任务进行文件merge。

set hive.merge.smallfiles.avgsize=16000000

发表评论取消回复

表情：

评论列表（有 0 条评论，190人围观）

还没有评论，来说两句吧...

相关阅读

相关 hive小文件问题及解决方法【重要】

一、小文件形成的原因：（1）动态分区插入数据，产生大量的小文件，从而导致 map 数量剧增；（2）reduce 数量越多，小文件也越多，reduce 的个数和输出文

蔚落/ 2023年10月14日 11:52/ 0 赞/ 6 阅读

相关在hive中如何处理小文件合并问题

配置Map输入合并 \-- 每个Map最大输入大小，决定合并后的文件数 set mapred.max.split.size=256000000; \-- 一个节点上s

我不是女神ヾ/ 2023年02月12日 09:25/ 0 赞/ 3 阅读

相关 Hive小文件问题：如何产生、造成影响、解决办法

一、小文件是如何产生的 1.动态分区插入数据，产生大量的小文件，从而导致map数量剧增。 2.reduce数量越多，小文件也越多(reduce的个数和输出文件是对应的)

向右看齐/ 2022年10月16日 08:45/ 0 赞/ 191 阅读

相关彻底解决Hive小文件问题

最近发现离线任务对一个增量`Hive`表的查询越来越慢，这引起了我的注意，我在`cmd`窗口手动执行`count`操作查询发现，速度确实很慢，才不到五千万的数据，居然需要`30

拼搏现实的明天。/ 2022年09月12日 03:52/ 0 赞/ 220 阅读

相关 Hive优化之小文件问题及其解决方案

小文件是如何产生的 1.动态分区插入数据，产生大量的小文件，从而导致map数量剧增。 2.reduce数量越多，小文件也越多(reduce的个数和输出文件是对应的)。

雨点打透心脏的1/2处/ 2022年06月07日 03:09/ 0 赞/ 212 阅读

相关 Hive的启动问题和解决办法

原文地址： [ http://blog.csdn.net/lxpbs8851/article/details/7991931][http_blog.csdn.net_lxpbs

快来打我*/ 2022年05月27日 06:06/ 0 赞/ 280 阅读

相关 Hive如何处理小文件问题？

一、小文件是如何产生的 1.动态分区插入数据，产生大量的小文件，从而导致map数量剧增。 2.reduce数量越多，小文件也越多(reduce的个数和输出文件是对应的)

迈不过友情╰/ 2022年05月12日 14:06/ 0 赞/ 281 阅读

相关 hive 终端产生的问题

FAILED: Error in metadata: javax.jdo.JDOFatalDataStoreException: Failed to start databas

偏执的太偏执、/ 2022年05月05日 15:31/ 0 赞/ 185 阅读

相关产生 \ufeff 问题的原因及解决办法

今天遇到以下问题： name = [] with open('唐诗宋词.txt', 'r', encoding='utf-8') as f: for

淩亂°似流年/ 2022年02月13日 17:09/ 0 赞/ 355 阅读

相关 HIVE如何处理大量小文件

一、控制hive任务中的map数: 1. 通常情况下，作业会通过input的目录产生一个或者多个map任务。主要的决定因素有： input的文

怼烎@/ 2022年01月30日 11:55/ 0 赞/ 417 阅读