Hive运行引擎Tez

    Tez是一个Hive的运行引擎，性能优于MR。为什么优于MR呢？看下图。

    用Hive直接编写MR程序，假设有四个有依赖关系的MR作业，上图中，绿色是Reduce Task，云状表示写屏蔽，需要将中间结果持久化写到HDFS。

    Tez可以将多个有依赖的作业转换为一个作业，这样只需写一次HDFS，且中间节点较少，从而大大提升作业的计算性能。

1.安装包准备

1.1 下载tez的依赖包：http://tez.apache.org

1.2 拷贝apache-tez-0.9.1-bin.tar.gz到hadoop102的/opt/software目录

1.3 解压缩apache-tez-0.9.1-bin.tar.gz

    [[e-mail] module]$ tar -zxvf apache-tez-0.9.1-bin.tar.gz -C /opt/module

1.4 修改名称

    [[e-mail] module]$ mv apache-tez-0.9.1-bin/ tez-0.9.1

 

2.在Hive中配置Tez

2.1 进入到Hive的配置目录：/opt/module/hive/conf

    [[e-mail] conf]$ pwd

    /opt/module/hive/conf

2.2 在hive-env.sh文件中添加tez环境变量配置和依赖包环境变量配置

# Set HADOOP_HOME to point to a specific hadoop install directory
export HADOOP_HOME=/opt/module/hadoop-2.7.2


# Hive Configuration Directory can be controlled by:
export HIVE_CONF_DIR=/opt/module/hive/conf


# Folder containing extra libraries required for hive compilation/execution can be controlled by:
export TEZ_HOME=/opt/module/tez-0.9.1    #是你的tez的解压目录
export TEZ_JARS=""
for jar in `ls $TEZ_HOME |grep jar`; do
    export TEZ_JARS=$TEZ_JARS:$TEZ_HOME/$jar
done
for jar in `ls $TEZ_HOME/lib`; do
    export TEZ_JARS=$TEZ_JARS:$TEZ_HOME/lib/$jar
done


export HIVE_AUX_JARS_PATH=/opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-lzo-0.4.20.jar$TEZ_JARS

2.3 在hive-site.xml文件中添加如下配置，更改hive计算引擎

<property>
    <name>hive.execution.engine</name>
    <value>tez</value>
</property>

 

3.配置Tez

3.1 在Hive的/opt/module/hive/conf下面创建一个tez-site.xml文件

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
    <name>tez.lib.uris</name>    <value>${fs.defaultFS}/tez/tez-0.9.1,${fs.defaultFS}/tez/tez-0.9.1/lib</value>
</property>
<property>
    <name>tez.lib.uris.classpath</name>        <value>${fs.defaultFS}/tez/tez-0.9.1,${fs.defaultFS}/tez/tez-0.9.1/lib</value>
</property>
<property>
     <name>tez.use.cluster.hadoop-libs</name>
     <value>true</value>
</property>
<property>
     <name>tez.history.logging.service.class</name>        <value>org.apache.tez.dag.history.logging.ats.ATSHistoryLoggingService</value>
</property>
</configuration>

 

4.上传Tez到集群

4.1 将/opt/module/tez-0.9.1上传到HDFS的/tez路径

    [[e-mail] conf]$ hadoop fs -mkdir /tez

    [[e-mail] conf]$ hadoop fs -put /opt/module/tez-0.9.1/ /tez

    [[e-mail] conf]$ hadoop fs -ls /tez

    /tez/tez-0.9.1    

 

5.测试

5.1 启动Hive、

[[e-mail] hive]$ bin/hive

5.2 创建LZO表

hive (default)> create table student(id int,name string);  

5.3 向表中插入数据

hive (default)> insert into student values(1,"zhangsan");

5.4 如果没有报错就表示成功了

hive (default)> select * from student;
1       zhangsan

 

6.小结6.1 运行Tez时检查到用过多内存而被NodeManager杀死进程问题：

Caused by: org.apache.tez.dag.api.SessionNotRunning: TezSession has already shutdown. Application application_1546781144082_0005 failed 2 times due to AM Container for appattempt_1546781144082_0005_000002 exited with  exitCode: -103
For more detailed output, check application tracking page:http://hadoop103:8088/cluster/app/application_1546781144082_0005Then, click on links to logs of each attempt.
Diagnostics: Container [pid=11116,containerID=container_1546781144082_0005_02_000001] is running beyond virtual memory limits. Current usage: 216.3 MB of 1 GB physical memory used; 2.6 GB of 2.1 GB virtual memory used. Killing container.

解决方法：

    方案一：或者是关掉虚拟内存检查。我们选这个，修改yarn-site.xml，修改后一定要分发，并重新启动hadoop集群。

<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>

    方案二：mapred-site.xml中设置Map和Reduce任务的内存配置如下：(value中实际配置的内存需要根据自己机器内存大小及应用情况进行修改)

<property>
　　<name>mapreduce.map.memory.mb</name>
　　<value>1536</value>
</property>
<property>
　　<name>mapreduce.map.java.opts</name>
　　<value>-Xmx1024M</value>
</property>
<property>
　　<name>mapreduce.reduce.memory.mb</name>
　　<value>3072</value>
</property>
<property>
　　<name>mapreduce.reduce.java.opts</name>
　　<value>-Xmx2560M</value>
</property>