1.概述
主要对基于Tez的map数和reduce数测试与调优
如果需要查看基于MapReduce的调优可以看这篇：
Hive 基于MapReduce引擎 map和reduce数的参数控制原理与调优经验https://blog.csdn.net/qq_35260875/article/details/110181866?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22110181866%22%2C%22source%22%3A%22qq_35260875%22%7D&ctrtid=Lp7kw
2.数据准备
（1）表信息
本次测试的表和sql都是使用的TPC-DS
Tez文件存储格式为orc。
| 表名 |
总数 |
占用空间 |
文件数 |
| date_dim |
73049 |
354.1 K |
1 |
| item |
48000 |
3.0 M |
1 |
| store |
118 |
12.3 K |
1 |
| store_sales |
23039641872 |
829.2 G |
1874 |
store_sales的表结构：
（2）SQL语句
测试SQL为CPU密集型，密集型的含义：在SQL运行期间CPU占比会很高
3.map数的控制
3.1 map数控制测试
影响map个数的tez参数，可以通过在Hive中使用set的形式来使用，set只针对当前session。如果需要全局，则需要修改hive-site.xml和tez-site.xml
| 参数 |
默认值 |
说明 |
| tez.grouping.max-size |
1073741824（1GB） |
group分割大小的最大值 |
| tez.grouping.min-size |
16777216（16MB） |
group分割大小的最小值 |
| tez.grouping.split-count |
未设置 |
group的分割组数 |
mapreduce.input.fileinputformat.split.maxsize这个参数对Tez中的map数也是有影响的。默认为256MB，但是这次测试不针对这个参数
（1）tez.grouping.max-size
测试1：
tez.grouping.max-size =1073741824; 1GB
共有363个map数
测试2：
tez.grouping.max-size =536870912; 512MB
共有701个map数
测试3：
tez.grouping.max-size =268435456; 256MB
共有818个map数
测试1：
tez.grouping.max-size =2147483648; 2GB
共有363个map数
因为2GB大于文件的分割长度
（2）tez.grouping.split-count
测试1：
tez.grouping.split-count =300;
共有363个map数
测试2：
tez.grouping.split-count =500;
共有749个map数
测试3：
tez.grouping.split-count =1000;
共有895个map数
当设置的值大于原始的895时，tez会直接使用895
测试4：
tez.grouping.split-count =200;
共有244个map数
3.2 map数控制结果
（1）tez.grouping.max-size
| tez.grouping.max-size值 |
Map数 |
| 1073741824 |
363 |
| 536870912 |
701 |
| 268435456 |
818 |
| 2147483648 |
363 |
（2）tez.grouping.split-count
| tez.grouping.split-count值 |
Map数 |
| 300 |
363 |
| 500 |
749 |
| 1000 |
895 |
| 200 |
244 |
4.reduce数的控制
影响reduce个数的参数
| 参数 |
默认值 |
说明 |
| mapred.reduce.tasks |
-1 |
指定reduce的个数 |
| hive.exec.reducers.bytes.per.reducer |
67108864 |
每个reduce的数据处理量 |
| hive.exec.reducers.max |
1009 |
reduce的最大个数 |
| hive.tez.auto.reducer.parallelism |
true |
是否启动reduce自动并行 |
前面三个参数的作用和基于MR的相同，故不在做分析，只分析hive.tez.auto.reducer.parallelism参数
（1）hive.tez.auto.reducer.parallelism
hive.tez.auto.reducer.parallelism启用之后，Tez会估计数据量大小，设置并行度。在运行时会根据需要调整估计值。
测试1：
set hive.exec.reducers.max=20;
set hive.tez.auto.reducer.parallelism = false;
测试2：
set hive.exec.reducers.max=20;
set hive.tez.auto.reducer.parallelism = true;
从dag syslog中可以看到，开启并行执行之后，Reducer 2从20变成了7。
Reducer 3 4 5 6从20变成了5
5.调优流程
（1）map文章来源：https://www.toymoban.com/news/detail-441356.html
Tez内部对map数已经有了很多的优化，需要通过dag的系统日志来分析，在有限的资源内，结合集群的资源来提高并发，集群资源越多，map数就可以设置大一点。
（2）reduce文章来源地址https://www.toymoban.com/news/detail-441356.html
需要根据集群的资源以及map端实际的输出数据量来设置reduce数。
6.总结推荐使用
（1）map
- tez.grouping.split-count结合集群的资源来设置，例如测试sql:总共分割895，测试过程中895的性能好。
（2）reduce
- 推荐reduce数为集群能启动的最大container数的80%，或者小于这个数。
- mapred.reduce.tasks这个参数一般不推荐使用。
- 是否开启并行，需要根据实际sql的测试结果来判断。最好开启和关闭并行都测试一下
到了这里，关于Hive 基于Tez引擎 map和reduce数的参数控制原理与调优经验的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
