无法将 5k/秒的记录插入到 impala 中？

Posted 2023-03-22

【中文标题】无法将 5k/秒的记录插入到 impala 中？

【英文标题】：Unable to insert 5k/sec records into impala?

【发布时间】：2019-06-14 07:25:38

【问题描述】：

我正在探索 Impala 的 POC，但我看不到任何显着的性能。我不能每秒插入 5000 条记录，最多只能插入 200 条/秒。考虑到任何数据库性能，这真的很慢。

我尝试了两种不同的方法，但都很慢：

使用 Cloudera

首先，我在我的系统上安装了 Cloudera 并添加了最新的 CDH 6.2 集群。我创建了一个 java 客户端来使用 ImpalaJDBC41 驱动程序插入数据。我可以插入记录，但速度很糟糕。我尝试通过增加 Impala Daemon Limit 和我的系统 RAM 来调整 impala，但它没有帮助。最后，我认为我的安装有问题或其他什么，所以我换了另一种方法。

使用 Cloudera 虚拟机

Cloudera 还为测试目的提供了现成的 VM。我试了一下，看看它是否能提供更好的性能，但没有大的改进。我仍然无法以 5k/秒的速度插入数据。

我不知道哪里需要改进。如果可以做任何改进，我已将我的代码粘贴在下面。

实现（5k - 10k / 秒）速度的理想 Impala 配置是什么？这个速度仍然远远低于 Impala 的能力。

private static Connection connectViaDS() throws Exception 
    Connection connection = null;
    Class.forName("com.cloudera.impala.jdbc41.Driver");
    connection = DriverManager.getConnection(CONNECTION_URL);
    return connection;


private static void writeInABatchWithCompiledQuery(int records) 
    int protocol_no = 233,s_port=20,d_port=34,packet=46,volume=58,duration=39,pps=76,
            bps=65,bpp=89,i_vol=465,e_vol=345,i_pkt=5,e_pkt=54,s_i_ix=654,d_i_ix=444,_time=1000,flow=989;

    String s_city = "Mumbai",s_country = "India", s_latt = "12.165.34c", s_long = "39.56.32d",
            s_host="motadata",d_latt="29.25.43c",d_long="49.15.26c",d_city="Damouli",d_country="Nepal";

    long e_date= 1275822966, e_time= 1370517366;

    PreparedStatement preparedStatement;

    int total = 1000*1000;
    int counter =0;

    Connection connection = null;
    try 
        connection = connectViaDS();

        preparedStatement = connection.prepareStatement(sqlCompiledQuery);

        Timestamp ed = new Timestamp(e_date);
        Timestamp et = new Timestamp(e_time);

        while(counter <total) 
            for (int index = 1; index <= 5000; index++) 
                counter++;

                preparedStatement.setString(1, "s_ip" + String.valueOf(index));
                preparedStatement.setString(2, "d_ip" + String.valueOf(index));
                preparedStatement.setInt(3, protocol_no + index);
                preparedStatement.setInt(4, s_port + index);
                preparedStatement.setInt(5, d_port + index);
                preparedStatement.setInt(6, packet + index);
                preparedStatement.setInt(7, volume + index);
                preparedStatement.setInt(8, duration + index);
                preparedStatement.setInt(9, pps + index);
                preparedStatement.setInt(10, bps + index);
                preparedStatement.setInt(11, bpp + index);
                preparedStatement.setString(12, s_latt + String.valueOf(index));
                preparedStatement.setString(13, s_long + String.valueOf(index));
                preparedStatement.setString(14, s_city + String.valueOf(index));
                preparedStatement.setString(15, s_country + String.valueOf(index));
                preparedStatement.setString(16, d_latt + String.valueOf(index));
                preparedStatement.setString(17, d_long + String.valueOf(index));
                preparedStatement.setString(18, d_city + String.valueOf(index));
                preparedStatement.setString(19, d_country + String.valueOf(index));
                preparedStatement.setInt(20, i_vol + index);
                preparedStatement.setInt(21, e_vol + index);
                preparedStatement.setInt(22, i_pkt + index);
                preparedStatement.setInt(23, e_pkt + index);
                preparedStatement.setInt(24, s_i_ix + index);
                preparedStatement.setInt(25, d_i_ix + index);
                preparedStatement.setString(26, s_host + String.valueOf(index));
                preparedStatement.setTimestamp(27, ed);
                preparedStatement.setTimestamp(28, et);
                preparedStatement.setInt(29, _time);
                preparedStatement.setInt(30, flow + index);
                preparedStatement.addBatch();
            
            preparedStatement.executeBatch();
            preparedStatement.clearBatch();
        
     catch (Exception e) 
        e.printStackTrace();
     finally 
        try 
            connection.close();
         catch (SQLException e) 
            e.printStackTrace();
        
    

数据正在以蜗牛的速度更新。我尝试增加批量大小，但它降低了速度。我不知道我的代码是否错误，或者我需要调整 Impala 以获得更好的性能。请指导。

我正在使用虚拟机进行测试，这里是其他详细信息：

System.

Os - Ubuntu 16
RAM - 12 gb
Cloudera - CDH 6.2
Impala daemon limit - 2 gb
Java heap size impala daemon - 500mb
HDFS Java Heap Size of NameNode in Bytes - 500mb.

如果需要更多详细信息，请告诉我。

【问题讨论】：

blog.cloudera.com/blog/2015/11/…

【参考方案1】：

您无法在 12GB 的 VM 上进行基准测试。查看Impala's hardware requirements，您会发现至少需要 128GB 内存。

内存

建议使用 128 GB 或更多，最好是 256 GB 或更多。如果在特定节点上查询处理期间的中间结果超过了该节点上 Impala 可用的内存量，则查询会将临时工作数据写入磁盘，这可能会导致查询时间过长。请注意，由于工作是并行的，而且聚合查询的中间结果通常小于原始数据，Impala 可以查询和连接比单个节点上可用内存大得多的表。

此外，VM 用于让您熟悉工具集，但它的功能还不足以成为开发环境。

参考文献

Impala Requirements:Hardware Requirements Tuning Impala for Performance