在hive插入数据时出现“Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask”报错

一.问题重现

SQL 错误 [2] [08S01]: Error while processing statement: FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask
Error while processing statement: FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask
Error while processing statement: FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask

在hive插入数据时出现“Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask”报错_第1张图片

二.问题分析

这个错误代码表明 Hive 作业由于某种原因失败。

   1.资源问题: 这个错误可能发生在集群上存在资源约束的情况下,例如内存或 CPU 资源不足以完成 Hive 作业。

   2.数据问题: 它可能与数据本身相关。例如,数据可能损坏,或者数据格式或模式存在问题,Hive 无法处理。

   3.配置问题: 不正确的 Hive 或 Hadoop 配置设置可能导致作业失败。

   4.查询错误: 可能是与你尝试执行的 SQL 查询相关的问题。例如,它可能存在语法错误,或者尝试执行 Hive 不支持的操作。

   5.权限问题: 你可能没有执行你尝试执行的操作所需的权限。

   6.版本冲突:hive和Hadoop版本不兼容。

三.问题解决

为了解决这个问题我们可以尝试以下步骤:

  1. 检查 Hive 日志以获取有关问题性质的更多详细错误消息。这些日志可以提供有关问题的额外信息。

  2. 检查你的 SQL 查询,确保它是正确的,并适用于你正在处理的数据和模式。

  3. 验证你是否具有访问和操作数据所需的权限。

  4. 确保你的 Hive 和 Hadoop 配置正确设置。

  5. 如果错误与数据有关,请检查数据是否存在问题,如损坏、缺失值或不正确的格式。

  6. 考虑咨询你的 Hadoop 或 Hive 管理员以获取进一步的故障排除帮助。
  7. 检查集群的资源利用情况,看集群资源是否充足。例如CPU和内存

        如果确定是集群资源不足,可以在hadoop/etc/hadoop/yarn-site.sh配置文件添加以下内容

 
    
        yarn.scheduler.minimum-allocation-mb
        512
    
    
        yarn.scheduler.maximum-allocation-mb
        4096
    
    
    
    
        yarn.nodemanager.resource.memory-mb
        4096
    
    
    
    
        yarn.nodemanager.pmem-check-enabled
        true
    
    
        yarn.nodemanager.vmem-check-enabled
        false
    

排除以上问题之后问题没有解决,如果你插入数据是很多字段,可以尝试减少字段插入数据

例如

    这是我原本插入的数据的SQL语句

-- 插入数据
insert overwrite table dw_didi.t_user_order_wide partition(dt='2020-04-12')
select
    orderid,telephone,lng,lat,province,city,es_money,gender,profession,age_range,tip,subscribe,
    case when subscribe = 0 then '非预约'
         when subscribe = 1 then '预约'
    end as subscribe_name,sub_time,is_agent,
    case when is_agent = 0 then '本人'
         when is_agent = 1 then '代叫'
    end as is_agent_name,
    agent_telephone,
    date_format(concat(order_time,':00'),'yyyy-MM-dd') as order_date,
    year(date_format(concat(order_time,':00'),'yyyy-MM-dd:ss')) as order_year,
    month(date_format(concat(order_time,':00'),'yyyy-MM-dd:ss'))as order_month,
    day(date_format(concat(order_time,':00'),'yyyy-MM-dd:ss'))as order_day,
    hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss'))as order_hour,
    case when hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) > 1 and hour (date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) <= 5 then '凌晨'
         when hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) > 5 and hour (date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) <= 8 then '早上'
         when hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) > 8 and hour (date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) <= 11 then '上午'
         when hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) > 11 and hour (date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) <= 13 then '中午'
         when hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) > 13 and hour (date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) <= 17 then '下午'
         when hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) > 17 and hour (date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) <= 19 then '晚上'
         when hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) > 19 and hour (date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) <= 20 then '半夜'
         when hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) > 20 and hour (date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) <= 24 then '深夜'
          when hour(date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) > 0 and hour (date_format(concat(order_time,':00'),'yyyy-MM-dd HH:mm:ss')) <= 1 then '深夜'
          else 'N/A'
    end as order_time_range,
    date_format(concat(concat(order_time,':00'),':00'),'yyyy-MM-dd HH:mm:ss') as order_time 
from ods_didi.t_user_order WHERE dt = '2020-04-12' and length(order_time) > 8;
    
    SELECT  * from dw_didi.t_user_order_wide

现在改为

insert overwrite table dw_didi.wide1  partition(dt='2020-04-12')
select
    orderid
from ods_didi.t_user_order WHERE dt = '2020-04-12' and length(order_time) > 8;
    
SELECT  * from dw_didi.wide1

如果尝试运行之后还是报相同错误

就可以基本判定是hive配置文件的错误

检查配置文件后,如果还是报错,我们可以尝试设置hive的执行引擎

1.下载tez的依赖包:http://tez.apache.org

2.拷贝apache-tez-0.9.1-bin.tar.gz到hadoop102的/export/software目录

3.解压缩apache-tez-0.9.1-bin.tar.gz

tar -zxvf apache-tez-0.9.1-bin.tar.gz -C /export/servers

4.进入到Hive的配置目录

/hive/conf

5.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

vim hive-env.sh
export TEZ_HOME=/export/servers/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=/export/servers/hadoop-2.7.7/share/hadoop/common/hadoop-lzo-0.4.20.jar$TEZ_JARS

6.在hive-site.xml文件中添加如下配置,更改hive计算引擎


    hive.execution.engine
    tez

7.在Hive的/export/servers/hive/conf下面创建一个tez-site.xml文件

 

 
 
	tez.lib.uris    ${fs.defaultFS}/tez/tez-0.9.1,${fs.defaultFS}/tez/tez-0.9.1/lib


	tez.lib.uris.classpath    	${fs.defaultFS}/tez/tez-0.9.1,${fs.defaultFS}/tez/tez-0.9.1/lib


     tez.use.cluster.hadoop-libs
     true


     tez.history.logging.service.class        org.apache.tez.dag.history.logging.ats.ATSHistoryLoggingService


8.将/export/servers/tez-0.9.1上传到HDFS的/tez路径

hadoop fs -mkdir /tez
 hadoop fs -put /export/servers/tez-0.9.1/ /tez
 hadoop fs -ls /tez查看结果是这个
 /tez/tez-0.9.1

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://hadoop102:8088/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:


yarn.nodemanager.vmem-check-enabled
false

你可能感兴趣的:(hadoop,hive,apache)