使用 MapR MultipleOutputs 写入 OrcNewOutputFormat 时出错
Posted
技术标签:
【中文标题】使用 MapR MultipleOutputs 写入 OrcNewOutputFormat 时出错【英文标题】:Error writing to OrcNewOutputFormat using MapR MultipleOutputs 【发布时间】:2019-03-19 17:08:51 【问题描述】:我们从 ORC 文件中读取数据并使用 MultipleOutputs 将其写回 ORC 和 Parquet 格式。我们的工作只是 Map,没有 reducer。 在某些情况下,我们会遇到以下错误,这会导致整个工作失败。我认为这两个错误都是相关的,但不确定为什么这些错误不是针对每项工作的。 如果需要更多信息,请告诉我。
Error: java.lang.RuntimeException: Overflow of newLength. smallBuffer.length=1073741824, nextElemLength=300947
Error: java.lang.ArrayIndexOutOfBoundsException: 1000
at org.apache.orc.impl.writer.StringTreeWriter.writeBatch(StringTreeWriter.java:70)
at org.apache.orc.impl.writer.StructTreeWriter.writeRootBatch(StructTreeWriter.java:56)
at org.apache.orc.impl.WriterImpl.addRowBatch(WriterImpl.java:546)
at org.apache.hadoop.hive.ql.io.orc.WriterImpl.flushInternalBatch(WriterImpl.java:297)
at org.apache.hadoop.hive.ql.io.orc.WriterImpl.close(WriterImpl.java:334)
at org.apache.hadoop.hive.ql.io.orc.OrcNewOutputFormat$OrcRecordWriter.close(OrcNewOutputFormat.java:67)
at org.apache.hadoop.mapreduce.lib.output.MultipleOutputs$RecordWriterWithCounter.close(MultipleOutputs.java:375)
at org.apache.hadoop.mapreduce.lib.output.MultipleOutputs.close(MultipleOutputs.java:574)
Error: java.lang.NullPointerException
at java.lang.System.arraycopy(Native Method)
at org.apache.orc.impl.DynamicByteArray.add(DynamicByteArray.java:115)
at org.apache.orc.impl.StringRedBlackTree.addNewKey(StringRedBlackTree.java:48)
at org.apache.orc.impl.StringRedBlackTree.add(StringRedBlackTree.java:60)
at org.apache.orc.impl.writer.StringTreeWriter.writeBatch(StringTreeWriter.java:70)
at org.apache.orc.impl.writer.StructTreeWriter.writeRootBatch(StructTreeWriter.java:56)
at org.apache.orc.impl.WriterImpl.addRowBatch(WriterImpl.java:546)
at org.apache.hadoop.hive.ql.io.orc.WriterImpl.flushInternalBatch(WriterImpl.java:297)
at org.apache.hadoop.hive.ql.io.orc.WriterImpl.close(WriterImpl.java:334)
at org.apache.hadoop.hive.ql.io.orc.OrcNewOutputFormat$OrcRecordWriter.close(OrcNewOutputFormat.java:67)
at org.apache.hadoop.mapreduce.lib.output.MultipleOutputs$RecordWriterWithCounter.close(MultipleOutputs.java:375)
at org.apache.hadoop.mapreduce.lib.output.MultipleOutputs.close(MultipleOutputs.java:574)
【问题讨论】:
你找到原因了吗? 【参考方案1】:就我而言,解决方案是将orc.rows.between.memory.checks
(或spark.hadoop.orc.rows.between.memory.checks
)从5000
(默认值)更改为1
。
因为似乎 ORC 编写器无法处理向条带添加异常大的行。
该值可能会进一步调整以实现更好的安全性能平衡。
【讨论】:
以上是关于使用 MapR MultipleOutputs 写入 OrcNewOutputFormat 时出错的主要内容,如果未能解决你的问题,请参考以下文章