我正在使用
的表格在Google dataproc群集上运行Hive insert overwrite query 13783531
记录到另一个分区表而没有任何转换。 失败并出现错误
Diagnostic Messages for this Task:
Error: Java heap space
FAILED: Execution Error, return code 2 from
org.apache.hadoop.hive.ql.exec.mr.MapRedTask
MapReduce Jobs Launched:
Stage-Stage-1: Map: 34 Cumulative CPU: 1416.18 sec HDFS Read: 6633737937
HDFS Write: 0 FAIL
群集详细信息
n1-standard-16 (16 vCPU, 60.0 GB memory)
有5个工作节点。
错误因人而异 超出了Java堆空间和GC开销限制。 我尝试设置参数
set mapreduce.map.memory.mb=7698;
set mapreduce.reduce.memory.mb=7689;
set mapreduce.map.java.opts=-Xmx7186m;
set mapreduce.reduce.java.opts=-Xmx7186m;
仍然失败。
答案 0 :(得分:1)
这里有几件事你需要解决:
分配的总JVM内存与JVM堆内存
分配的总JVM内存是通过以下参数设置的:
mapreduce.map.memory.mb
mapreduce.reduce.memory.mb
JVM堆内存通过以下参数设置:
mapreduce.map.java.opts
mapreduce.reduce.java.opts
您必须始终确保总内存>堆内存。 (请注意,您提供的参数值违反了此规则)
总堆比
我们的一位供应商建议我们在大多数情况下总是使用大约80%的总内存用于堆。即使有了这个建议,您也会经常遇到各种内存错误。
错误:堆内存
可能需要增加总数和堆数。
错误:Permgen空间不够
需要增加堆外内存,这意味着您可以在不增加总内存的情况下减少堆内存。
错误:GC开销限制超出
这指的是允许JVM进行垃圾回收的时间。如果在很长一段时间内收到太少的空间,那么它将继续出错。尝试增加总内存和堆内存。
答案 1 :(得分:1)
所以问题是插入覆盖试图创建太多小文件。 好像我们有一个修复
set hive.optimize.sort.dynamic.partition=true;
有两个可用的解决方案
1. use set hive.optimize.sort.dynamic.partition=true;
或
2. use DISTRIBUTE BY <PARTITION_COLUMN>
其中任何一个都可行。 最好不要使用Solution#1。看看JIRA说它在与GROUP BY一起使用时会将记录插入错误的分区 这就是为什么在最近的配置单元中默认禁用它 https://issues.apache.org/jira/browse/HIVE-8151