(1)在map執行前合并小檔案,減少map數:CombineHiveInputFormat具有對小檔案進行合并的功能(系統預設的格式)。HiveInputFormat沒有對小檔案合并功能。
set hive.input.format= org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;
(2)在Map-Reduce的任務結束時合并小檔案的設定:
在map-only任務結束時合并小檔案,預設true
SET hive.merge.mapfiles = true;
在map-reduce任務結束時合并小檔案,預設false
SET hive.merge.mapredfiles = true;
合并檔案的大小,預設256M
SET hive.merge.size.per.task = 268435456;
當輸出檔案的平均大小小于該值時,啟動一個獨立的map-reduce任務進行檔案merge
SET hive.merge.smallfiles.avgsize = 16777216;