图片看不到的可以看我的CSDN的博客
hive insert overwrite directory 问题排查
一、问题描述
线上某条hive语句出现错误,hive语句如下
insert overwrite directory '/tmp/data_works_server/41109/904723/1547802020/' STORED AS ORC
select 20190117, device_model, meios_version, server_id, ev.type, sum(ev.count) from rom lateral view explode(events) events as ev where date_p=20181031 and app_key_p='D1AF3AB43299858F' and ev.name='reboot' group by device_model, meios_version, server_id, ev.type;
经过简单测试，发现以下3点现象：
- 去掉
STORED AS ORC后语句正常执行 - 只查询某些字段的话可以正常执行,查询某些表也可以正常执行
- 在查询的最后加上
limit xxx后语句可以正常执行，xxx可以是任意数字
只看上面两点的话很可能会觉的是某些数据造成的问题，但再加上第三点的话，又应该不是数据问题。后面进行问题定位
二、问题定位
为了方便描述问题，我们先建立一个新表
create table test(id string);
然后看一下类似语句的执行计划
explain insert overwrite directory '/tmp/test/' stored as orc select * from test;
最后可以看到执行计划
STAGE DEPENDENCIES:
Stage-1 is a root stage
Stage-6 depends on stages: Stage-1 , consists of Stage-3, Stage-2, Stage-4
Stage-3
Stage-0 depends on stages: Stage-3, Stage-2, Stage-5
Stage-2
Stage-4
Stage-5 depends on stages: Stage-4
STAGE PLANS:
Stage: Stage-1
Spark
DagName: hadoopuser_20190122170810_884746eb-f85f-49c4-b0d1-57bd5dfe1219:2
Vertices:
Map 1
Map Operator Tree:
TableScan
alias: test
Statistics: Num rows: 1 Data size: 0 Basic stats: PARTIAL Column stats: NONE
Select Operator
expressions: id (type: string)
outputColumnNames: _col0
Statistics: Num rows: 1 Data size: 0 Basic stats: PARTIAL Column stats: NONE
File Output Operator
compressed: false
Statistics: Num rows: 1 Data size: 0 Basic stats: PARTIAL Column stats: NONE
table:
input format: org.apache.hadoop.mapred.TextInputFormat
output format: org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat
serde: org.apache.hadoop.hive.ql.io.orc.OrcSerde
Stage: Stage-6
Conditional Operator
Stage: Stage-3
Move Operator
files:
hdfs directory: true
destination: hdfs://rangercluster/tmp/test/.hive-staging_hive_2019-01-22_17-08-10_712_8680878334963783411-1/-ext-10000
Stage: Stage-0
Move Operator
files:
hdfs directory: true
destination: /tmp/test
Stage: Stage-2
Spark
DagName: hadoopuser_20190122170810_884746eb-f85f-49c4-b0d1-57bd5dfe1219:3
Vertices:
Spark Merge File Work
Map Operator Tree:
TableScan
File Output Operator
compressed: false
table:
input format: org.apache.hadoop.mapred.TextInputFormat
output format: org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat
serde: org.apache.hadoop.hive.ql.io.orc.OrcSerde
Stage: Stage-4
Spark
DagName: hadoopuser_20190122170810_884746eb-f85f-49c4-b0d1-57bd5dfe1219:3
Vertices:
Spark Merge File Work
Map Operator Tree:
TableScan
File Output Operator
compressed: false
table:
input format: org.apache.hadoop.mapred.TextInputFormat
output format: org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat
serde: org.apache.hadoop.hive.ql.io.orc.OrcSerde
Stage: Stage-5
Move Operator
files:
hdfs directory: true
destination: hdfs://rangercluster/tmp/test/.hive-staging_hive_2019-01-22_17-08-10_712_8680878334963783411-1/-ext-10000
上面的计划生成DAG图大概是这样的：
[图片上传失败...(image-78dce5-1548166918410)]
整个语句执行的流程大概如下：
- Stage-1 执行查询的语句，之后把结果写到某个临时目录A。
- Stage-6根据生成的临时目录A的相关信息，判断是否要merge，或者还是直接move，再或者merge and move。merge的过程需要读取临时目录A下的所有数据然后再写入到新的一个临时目录B。
- Stage-0直接将临时目录的数据到move到目标目录下，也就是最终路径
/tmp/test下
这个流程有个很关键的地方，就是是否需要merge，经过排查，发现出错的语句在执行结束后全部都经过了merge，也就是执行了Stage-2。
再回头看下那个执行计划，我们会发现一个问题：
Stage: Stage-1
...
File Output Operator
compressed: false
Statistics: Num rows: 1 Data size: 0 Basic stats: PARTIAL Column stats: NONE
table:
input format: org.apache.hadoop.mapred.TextInputFormat
# 这里是以OrcOutputFormat输出的
output format: org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat
serde: org.apache.hadoop.hive.ql.io.orc.OrcSerde
...
Stage: Stage-2
Spark
DagName: hadoopuser_20190122170810_884746eb-f85f-49c4-b0d1-57bd5dfe1219:3
Vertices:
Spark Merge File Work
Map Operator Tree:
TableScan
File Output Operator
compressed: false
table:
# merge的这里是用 TextInputFormat 去读取
input format: org.apache.hadoop.mapred.TextInputFormat
output format: org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat
serde: org.apache.hadoop.hive.ql.io.orc.OrcSerde
hive的执行计划很清楚的指出，hive将查询结果输出到某个临时目录时，用的是OrcOutputFormat，但是Stage-2要去merge的时候却是用TextInputFormat，这明显是不对的。
为了对比，我们创建一个orc的表来验证一下。
create table orctest(id string) stored as orc;
然后往这个表查数据
explain insert into orctest select * from test;
获得执行计划
STAGE DEPENDENCIES:
Stage-1 is a root stage
Stage-7 depends on stages: Stage-1 , consists of Stage-4, Stage-3, Stage-5
Stage-4
Stage-0 depends on stages: Stage-4, Stage-3, Stage-6
Stage-2 depends on stages: Stage-0
Stage-3
Stage-5
Stage-6 depends on stages: Stage-5
STAGE PLANS:
Stage: Stage-1
Spark
DagName: hadoopuser_20190122171054_54c5e0e6-d662-4239-b527-9f8e3c2d5bcd:4
Vertices:
Map 1
Map Operator Tree:
TableScan
alias: test
Statistics: Num rows: 1 Data size: 0 Basic stats: PARTIAL Column stats: NONE
Select Operator
expressions: id (type: string)
outputColumnNames: _col0
Statistics: Num rows: 1 Data size: 0 Basic stats: PARTIAL Column stats: NONE
File Output Operator
compressed: false
Statistics: Num rows: 1 Data size: 0 Basic stats: PARTIAL Column stats: NONE
table:
input format: org.apache.hadoop.hive.ql.io.orc.OrcInputFormat
output format: org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat
serde: org.apache.hadoop.hive.ql.io.orc.OrcSerde
name: default.orctest
Stage: Stage-7
Conditional Operator
Stage: Stage-4
Move Operator
files:
hdfs directory: true
destination: hdfs://rangercluster/user/hive/warehouse/orctest/.hive-staging_hive_2019-01-22_17-10-54_801_6594738283174520641-1/-ext-10000
Stage: Stage-0
Move Operator
tables:
replace: false
table:
input format: org.apache.hadoop.hive.ql.io.orc.OrcInputFormat
output format: org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat
serde: org.apache.hadoop.hive.ql.io.orc.OrcSerde
name: default.orctest
Stage: Stage-2
Stats-Aggr Operator
Stage: Stage-3
Spark
DagName: hadoopuser_20190122171054_54c5e0e6-d662-4239-b527-9f8e3c2d5bcd:5
Vertices:
Spark Merge File Work
Merge File Operator
Map Operator Tree:
ORC File Merge Operator
merge level: stripe
input format: org.apache.hadoop.hive.ql.io.orc.OrcInputFormat
Stage: Stage-5
Spark
DagName: hadoopuser_20190122171054_54c5e0e6-d662-4239-b527-9f8e3c2d5bcd:5
Vertices:
Spark Merge File Work
Merge File Operator
Map Operator Tree:
ORC File Merge Operator
merge level: stripe
input format: org.apache.hadoop.hive.ql.io.orc.OrcInputFormat
Stage: Stage-6
Move Operator
files:
hdfs directory: true
destination: hdfs://rangercluster/user/hive/warehouse/orctest/.hive-staging_hive_2019-01-22_17-10-54_801_6594738283174520641-1/-ext-10000
我们可以看到这时对应的inputformat和outputformat是正常的。
也就是hive在执行insert overwrite directory '' stored as xxx时会有问题。经测试，确实无论是orc、parquet、avro都会导出失败。
三、问题总结
Hive在执行insert overwrite directory '' stored as xxx selext ...进行导出时，如果导出的文件格式不是textfile，并且select查询生成的临时文件需要再次merge，就会导致merge的时候出现异常，因为merge时使用的inputFormat是默认的TextInputFormat，这应该是hive的一个bug。
这里对第一节的3点现象为什么可以成功执行做一个解释：
- 去掉stored as orc后，存储格式是textfile，采用TextInputFormat可以正常进行merge，因此不会有问题
- 改成某些字段后，虽然sql可以正常执行，这可能只是merge的过程中没有报错，但是最后得到的数据应该都是有问题的，目前可以确认orc、parquet等输出后的数据都是有问题的。比如查询两个字段以orc格式输出到目录A，虽然整个语句执行过程中没有发生任何问题，但是再去用orc查询目录A下面的数据时，发现两个列的数据都是0。
- 由于加了limit之后查询只会输出一个文件，因此没有涉及到merge的过程，走的是Stage-3，因此inputFormat导致的问题不会影响数据导出。
四、解决方案
- 建立一张临时外部表，location指向目标目录。之后再写入，比如要写一个这样的语句
insert overwrite directory '/tmp/test/' stored as orc select id from test;
可以建立一下新的临时外部表
create external table tmptest(id string) stored as orc location '/tmp/test/';
再导出
insert into tmptest select id from test;
- 修改hive源码
看了一圈源码，发现是hive在生成逻辑计划时，没有为这种写入源是目录的场景设置对应的inputFormat。我们可以在hive源码的SemanticAnalyzer#genFileSinkPlan()方法中修改FileSinkDesc的inputFormat。—— 可以从queryBlock中获取正确的inputformat，因为在queryBlock中已经持有正确的InputFormat了
改的时候要注意不要影响到其他的功能，尽量在case QBMetaData.DEST_DFS_FILE语句块中修改。
改完代码重新编译打包，然后替换一下hive-exec-xxx.jar重启hiveserver2就可以了。
五、一些题外话
关于Conditional Operator以及小文件合并的一些东西。
上文说的Conditional Operator其实就是一个抉择要不要进行merge的过程，我们在提交hive语句，hive日志会输出具体选择哪个Stage进行执行。
在这里插入图片描述
从上图可以看到hive在执行完查询语句后选择了Stage-2执行。
Stage-6如何抉择的相关代码在hive ql模块的ConditionalResolverMergeFiles中，主要是根据一些配置以及查询生成的文件信息判断要选择哪个Stage执行。
比如spark查询job跑完后，会根据hive.merge.sparkfiles配置是否为true判断是否要开启小文件合并，之后再根据hive.merge.size.per.task和hive.merge.smallfiles.avgsize以及当前生成的临时目录中的小文件信息，判断是否开启小文件合并。
