今天使用hive动态分区向表插入数据时,一直报错java heap space或者GC overhead limit exceeded。排查了好久,发现以下问题。
1.表使用的是parquet存储格式(或者ORC)。
2.虽然数据量很小,但是分区比较多。
hive在进行多分区操作时,只启动map端任务,不启动reduce,再加上parquet格式的表会为每一个分区创建一个FileWriter,分区太多就会导致内存溢出。
解决方案1.首先确定开启了动态分区和非严格模式。
set hive.exec.dynamic.partition=true; set hive.exec.dynamic.partition.mode=nonstrict;
2.启用自动排序参数,强制产生reduce任务。
set hive.optimize.sort.dynamic.partition =true;
3.如果还报错内存溢出,强制修改map端内存大小。
set mapreduce.map.java.opts=-Xmx4096m;
4.如果仍然报错内存溢出,在sql中对时间字段进行限制,调整时间间隔,分多次进行动态分区。
我在启动上面两个参数之后,仍然报错内存溢出。于是修改了sql,对时间进行分段截取,多批次进行动态分区。
INSERT OVERWRITE TABLE 表名 PARTITION(dt)
SELECt
...,
dt
FROM
表
where dt>="2021-09-01"
AND dt<"2021-10-20"



