Hive UDF 性能太慢

Posted

技术标签:

【中文标题】Hive UDF 性能太慢【英文标题】:Hive UDF performance too slow 【发布时间】:2014-06-25 18:53:27 【问题描述】:

我已经在 Select query where condition 中使用 Custom Hive UDF 函数执行了 Hive SQL 脚本,它已经运行了两天多。 我想知道这里到底有什么问题?调用java需要很多时间还是查询执行它自己需要很多时间?

我的数据集如下, 表 A 有 200 万条记录, 表 B 有 100 万条记录,

示例查询如下

选择**** 从 (选择 * 从 A A1 WHERE A1.ds in ('2014-06-11', '2014-06-12') ) A1 左外连接 (选择 * 从 B B1 WHERE B1.ds in ('2014-06-11', '2014-06-12') ) B1 where customUDF(A1.data, B1.data)

这可能是什么问题?是否有任何 Hive 脚本分析工具可用于查找确切的时间?

【问题讨论】:

【参考方案1】:

假设您可以访问 UDF,您可以在函数中添加以下内容(sudo 代码):

long start = System.currentTimeMillis();
MapredContext context = MapredContext.get();
Reporter reporter = context.getReporter();
String group = "instrumentation.udf";
String counter = "customUDF";

// function business logic

long elapsed = System.currentTimeMillis() - start;
reporter.incrCounter(group, counter, elapsed);

【讨论】:

感谢您的回答。没有这样的类称为 MapredContext :( 有什么更新吗?谁能帮助我们解决性能问题?

以上是关于Hive UDF 性能太慢的主要内容,如果未能解决你的问题,请参考以下文章

在 Pig 中使用 Hive UDF

跨通用 UDF Hive 保存状态

解决 UDF 性能问题 - 手动缓存

内联表重视 UDF 性能

用于 UDF 性能统计的 MS SQL DMV - 如何找到前 10 个最差的 UDF

Python'for'循环性能太慢