hivejobsql优化之CPU占有过高

最近有个SQL运行时长超过两个小时，所以准备优化下

成都创新互联公司专注于成都做网站、成都网站设计、网页设计、网站制作、网站开发。公司秉持“客户至上,用心服务”的宗旨,从客户的利益和观点出发,让客户在网络营销中找到自己的驻足之地。尊重和关怀每一位客户，用严谨的态度对待客户，用专业的服务创造价值，成为客户值得信赖的朋友，为客户解除后顾之忧。

首先查看hive sql 产生job的counter数据发现

总的CPU time spent过高估计100.4319973小时

 

每个map的CPU time spent

 

排第一的耗了2.0540889小时

建议设置如下参数：

1、mapreduce.input.fileinputformat.split.maxsize现在是256000000   往下调增加map数（此招立竿见影，我设为32000000产生了500+的map，最后任务由原先的2小时提速到47分钟就完成）

2、优化UDF  getPageID  getSiteId getPageValue （这几个方法用了很多正则表达式的文本匹配）

     2.1 正则表达式处理优化可以参考

    http://www.fasterj.com/articles/regex1.shtml

    http://www.fasterj.com/articles/regex2.shtml

     2.2  UDF优化见

1 Also you should use class level privatete members to save on object
 incantation and garbage collection.

2 You also get benefits by matching the args with what you would normally
 expect from upstream. Hive converts text to string when needed, but if the
 data normally coming into the method is text you could try and match the
 argument and see if it is any faster.
 Exapmle：
 优化前：
 >>>> import org.apache.hadoop.hive.ql.exec.UDF;
>>>> import java.net.URLDecoder;
>>>>
>>>> public final class urldecode extends UDF {
>>>>
>>>>    public String evaluate(final String s) {
>>>>        if (s == null) { return null; }
>>>>        return getString(s);
>>>>    }
>>>>
>>>>    public static String getString(String s) {
>>>>        String a;
>>>>        try {
>>>>            a = URLDecoder.decode(s);
>>>>        } catch ( Exception e) {
>>>>            a = "";
>>>>        }
>>>>        return a;
>>>>    }
>>>>
>>>>    public static void main(String args[]) {
>>>>        String t = "%E5%A4%AA%E5%8E%9F-%E4%B8%89%E4%BA%9A";
>>>>        System.out.println( getString(t) );
>>>>    }
>>>> }

优化后：

import java.net.URLDecoder;

public final class urldecode extends UDF {

    private Text t = new Text();

    public Text evaluate(Text s) {
        if (s == null) { return null; }
        try {
            t.set( URLDecoder.decode( s.toString(), "UTF-8" ));
            return t;
        } catch ( Exception e) {
            return null;
        }
    }

    //public static void main(String args[]) {
        //String t = "%E5%A4%AA%E5%8E%9F-%E4%B8%89%E4%BA%9A";
        //System.out.println( getString(t) );
    //}
}

3  继承实现GenericUDF

3、如果是Hive 0.14 + 可以开启hive.cache.expr.evaluation  UDF Cache功能

本文题目：hivejobsql优化之CPU占有过高
标题链接：http://mswzjz.cn/article/gigpgo.html