通过CLI执行hive查询后,如下所示:
$ hive -e QUERY > output.txt
流程如下图所示:
==============
Hadoop Cluster
==============
| |
| |
| 2. output RESULT as a single .gz file at HDFS because of 1 reducer
| |
| |
1. QUERY |
| |
| 3. Hive retrieves the RESULT as stream or a whole file ?
| If as a whole file, what happens when file size > memory size ?
| |
| |
===========
Hive Client
===========
|
|
4. Client outputs RESULT to stdout which is redirected to a file
|
|
===========
Output File
===========
我的问题是: 如果HDFS上的单个结果文件超大,甚至大于我的本地物理内存大小,Hive客户端如何处理它?</ p>
Hive客户端是否检索文件
答案 0 :(得分:2)
您将结果作为流获取,因此如果您尚未重定向输出,则过程中不会包含任何临时文件。您可以将其想象为hadoop fs -cat /THE/RESULT/FILE/OF/YOUR/HIVE/REQUEST
如果结果是大数据,您可以将它们放在hdfs位置:
$ hive -e QUERY | hadoop fs -put - /HDFS/LOCATION
但在这里你应该注意网络,因为它可能已经饱和
另一种选择是将数据永久存储到另一个Hive表中,这样Hive将为您完成所有工作,并且不会将重新传输/复制到本地计算机