Hive map和reduce个数的设置

hive优化的几种情况

目标就是每个map，reduce数据处理量要适当
1.hive小文件很多,造成map个数很多，需要减少map个数
set mapred.max.split.size=100000000;
set mapred.min.split.size.per.node=100000000;
set mapred.min.split.size.per.rack=100000000;
set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;
前面三个参数确定合并文件块的大小，大于文件块大小128m的，按照128m来分隔，小于128m,大于100m的，
按照100m来分隔，把那些小于100m的（包括小文件和分隔大文件剩下的）

2.文件小于128M，但是记录多，默认用一个map去算，增加map个数

块大小的计算方式
根据computeSliteSize(Math.max(minSize,Math.min(maxSize,blocksize)))=blocksize=128M公式，
调整maxSize最大值。让maxSize最大值低于blocksize就可以增加map的个数。
set mapreduce.input.fileinputformat.split.maxsize=50000000(50M);
影响map个数，即split个数的因素主要有：
1）HDFS块的大小，即HDFS中dfs.block.size的值。如果有一个输入文件为1024m，当块为
256m时，会被划分为4个split；当块为128m时，会被划分为8个split。
2）文件的大小。当块为128m时，如果输入文件为128m，会被划分为1个split；当块为256m，
会被划分为2个split。
3）文件的个数。FileInputFormat按照文件分割split，并且只会分割大文件，即那些大小超过
HDFS块的大小的文件。如果HDFS中dfs.block.size设置为64m，而输入的目录中文件有100个，则
划分后的split个数至少为100个。
4）splitsize的大小。分片是按照splitszie的大小进行分割的，一个split的大小在没有设置的情况下，
默认等于hdfs block的大小。但应用程序可以通过两个参数来对splitsize进行调节。

3.设置reduce个数
1.设置每个reduce处理数据量，默认1G
set hive.exec.reducers.bytes.per.reducer=500000000; （500M）
2.直接调整reduce个数  
set mapred.reduce.tasks = 15;
3.只有一个reduce； 
a)    没有group by的汇总，比如把select pt,count(1) from tablea group by pt;
b)    用了Order by
c)    有笛卡尔积