hive并行执行job

bigdata

用过oracle rac的应该都知道parallel的用途。

并行执行的确可以大的加快任务的执行速率，但不会减少其占用的资源。

在hive中也有并行执行的选项。

set hive.exec.parallel=true;   //打开任务并行执行

set hive.exec.parallel.thread.number=16; //同一个sql允许最大并行度，默认为8。

对于同一个SQL产生的JOB,如果不存在依赖的情况下，将会并行启动JOB，

比如：

Sql代码  

• from (  
• select phone,to_phone, substr(to_phone,-1) as key  
• from youni_contact4_lxw   
• where youni_id='1'   
• and length(to_phone) = 11   
• and  substr(to_phone,1,2) IN ('13','14','15','18')   
• group by phone,to_phone, substr(to_phone,-1)   
• ) t  
• insert overwrite table youni_contact41_lxw partition(pt='0')  
• select phone,to_phone where key='0'  
• insert overwrite table youni_contact41_lxw partition(pt='1')  
• select phone,to_phone where key='1'  
• insert overwrite table youni_contact41_lxw partition(pt='2')  
• select phone,to_phone where key='2'  
• insert overwrite table youni_contact41_lxw partition(pt='3')  
• select phone,to_phone where key='3'  
• insert overwrite table youni_contact41_lxw partition(pt='4')  
• select phone,to_phone where key='4'  
• insert overwrite table youni_contact41_lxw partition(pt='5')  
• select phone,to_phone where key='5'  
• insert overwrite table youni_contact41_lxw partition(pt='6')  
• select phone,to_phone where key='6'  
• insert overwrite table youni_contact41_lxw partition(pt='7')  
• select phone,to_phone where key='7'  
• insert overwrite table youni_contact41_lxw partition(pt='8')  
• select phone,to_phone where key='8'  
• insert overwrite table youni_contact41_lxw partition(pt='9')  
• select phone,to_phone where key='9';  
  

该SQL产生11个job，第一个job为生成临时表的job，后续job都依赖它，这时不会有并行启动，

第一个job完成后，后续的job都会并行启动。

运行时间比较：

不启用并行：35分钟

启用8个并行：10分钟

启用16个并行：6分钟

当然，得是在系统资源比较空闲的时候才有优势，否则，没资源，并行也起不来。