标签:数据 分区 写入 Hive Streaming 任务 Spark 原始数据
背景
由于需要查看原始数据,而原始数据实时产生,数据量较大,大约1万/分钟,写入MDB占用MDB的流量带宽,故考虑将原始数据写入Hive
逻辑
Spark Streaming作业中将消费的RDD整体处理为一个临时表,然后insert into到Hive表当日分区,即追加到当日分区
现状
写入少部分数据后就没有新数据进入,但是流处理作业并没有报错
分析:
- Hive不支持对同一张表或分区进行并发数据插入,这样会导致多个任务操作同一个数据临时目录,一个任务将另一个任务的数据移走,导致任务失败。
实时处理任务中,RDD在不断产生,因此就会产生并发写入hive的现状,从而导致上述数据写入停滞的问题。
解决:
应该写入HDFS小文件,然后单独开启任务合并小文件 到大分区
标签:数据,分区,写入,Hive,Streaming,任务,Spark,原始数据 来源: https://www.cnblogs.com/renyang/p/16487701.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。