栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 前沿技术 > 大数据 > 大数据系统

Hive使用动态分区向表插入数据报错java heap space或者GC overhead limit exceeded

Hive使用动态分区向表插入数据报错java heap space或者GC overhead limit exceeded

问题描述

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。

原因

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"
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/601714.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号