apache-spark - 蜂巢上的火花 - 为什么不“选择*”产生火花应用程序/执行程序？

Question

我在 Spark（执行引擎）上设置了 Hive（v2.3.4）。

这将启动一个 spark 应用程序/执行程序：

select count(*) from s.t where h_code = 'KGD78' and h_no = '265'

为什么这不启动 spark 应用程序/执行程序：

select * from s.t where h_code = 'KGD78' and h_no = '265'

标签： apache-sparkhadoophivemapreducehiveql

Answer 1

这 - 第二种情况 - 是由于不太知名的“hive.fetch.task.conversion”参数。

根据设置方式，Hive 可以启动单个“获取任务”而不是 Map Reduce 作业，即使使用过滤器即 where 子句。

如果您选择 * 或非分区列，它将启动 fetch 任务而不是 MR 作业 - 单线程。单线程并不总是一件好事。count(*) 应该不言自明，您可能需要进行大量处理，第二种情况可以看作是光标。

您可以在 hive-site.xml 中将参数更改为“minimal”或“none”来避免这种类型的处理。

好眼力。