Hive调优之 数据倾斜

解决方案：

小文件进行合并

不是map数越多越好。比如：一个任务有很多小文件（远远小于块大小128m），则每个小文件也会被当做一个块，用一个map任务来完成，而一个map任务启动和初始化的时间远远大于业务处理的时间，就会造成很大的资源浪费。而且，同时可执行的map数是受限的。

系统默认的格式CombineHiveInputFormat具有对小文件进行合并的功能。
hive-site.xml：

<property>
  <name>hive.input.format</name>
  <value>org.apache.hadoop.hive.ql.io.CombineHiveInputFormat</value>
</property>

在map执行前合并小文件，减少map数：

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

复杂文件增加Map数

比如有一个127m的文件，正常会用一个map去完成，但这个文件只有一个或者两个小字段，却有几千万的记录，如果map处理的逻辑比较复杂，用一个map任务去做，肯定也比较耗时。
当input的文件都很大，任务逻辑复杂，map执行非常慢的时候，可以考虑增加Map数，来使得每个map处理的数据量减少，从而提高任务的执行效率。
通过设置最大切片值来改变map数。

合理设置Reduce数

reduce个数默认是-1，可以在hadoop的mapred-default.xml文件中，设置每个job的Reduce个数。

set mapreduce.job.reduces = 15;