hive建表没使用LZO存储格式，但是数据是LZO格式时遇到的问题

标签：hive   lzo   

       今天微博大数据平台发邮件来说，他们有一个hql运行失败，但是从gateway上面的日志看不出来是什么原因导致的，我帮忙看了一下，最后找到了问题的原因，以下是分析过程：

1、运行失败的hql：

INSERT OVERWRITE TABLE brand_ad_user_with_interact_score_3 
select a.uid, a.brand, a.friend, CASE b.weight WHEN NULL THEN '0.000000' ELSE b.weight END
from brand_ad_2hop_3 a
LEFT OUTER join ods_bas_user_interact_score_to_thin_3 b
on (a.uid = b.fid and a.friend = b.tid);

2、查看job日志

根据50030页面查看了一下该job的状态和日志信息，job的状态是被kill掉的，map任务还未运行完成就被kill掉了，被kill掉的map任务运行时间都超过了10个小时，如下图所示：

根据1中得分析，该job从hql上面看是不存储数据倾斜的，那为什么会出现单个map运行时间超过10小时的情况呢，查看了一下被kill掉map任务的counter信息，如下：

竟然单个map任务从hdfs上面读了10G的数据，不应该啊，难不成被处理的数据文件没被分片，单个map任务处理了单个的大文件，怀揣着这样的猜测，我去检查了一下hql里面两个表目录下面的文件，果不其然，下面全是lzo格式的文件，但是都没有建索引，而且

brand_ad_2hop_3表下面个别单个文件达到了10G+，应该就是这个原因了：lzo格式的文件没有建索引，数据文件不能被分片，导致在运行的时候，单个的文件只能由一个map任务处理，如果单个文件很大的情况下，map任务就会处理很长时间。

在检查了一下brand_ad_2hop_3的建表语句，发现存储格式为Text。

既然找到了问题原因，以下就是解决办法了：

（1）、给lzo文件建立索引

（2）、建表的时候请使用LZO存储格式

hive建表没使用LZO存储格式，但是数据是LZO格式时遇到的问题

标签：hive   lzo   

原文地址：http://blog.csdn.net/bigdatahappy/article/details/40046859