hive tez引擎与mr的关系 hive tez 优缺点

Tez 是一个 Hive 的运行引擎，性能优于 MR。为什么优于 MR 呢？看下图

  用 Hive 直接编写 MR 程序，假设有四个有依赖关系的 MR 作业，上图中，绿色是 ReduceTask，云状表示写屏蔽，需要将中间结果持久化写到 HDFS。Tez 则可以将多个有依赖的作业转换为一个作业，这样只需写一次 HDFS，且中间节点较少，从而大大提升作业的计算性能。

Tez 不完全依赖于磁盘。除非数据量特别大，它也需要落入磁盘。数据量小的情况下，它会优先使用内存。内存能放得下，我就放内存。
 
MR 中间产生的文件，哪怕1K，也需要落盘。而且多个任务串联（DAG），任务与任务之间都是独立的。独立的多个任务，在调度方面也要浪费时间，必须等到这个任务执行完了才能去执行下个任务。慢就慢在中间过程。

Tez引擎安装

需要用到 tar.gz 包下载
地址：https://pan.baidu.com/s/1PePN7BXvQGheJxqT5bYYjQ 提取码：i9yb

一个普通 tar.gz 包，一个是minimal.tar.gz 包。

普通 tar.gz 包，需要上传至 hdfs 集群；
minimal.tar.gz包，需要在本地安装的。

1.将 tez 安装包拷贝到集群，并解压 tar 包

# 创建tez文件夹(因为tez.tar.gz解压缩后有N多文件,没有被一个文件夹包裹着)
mkdir /opt/module/tez
# 解压缩至指定文件夹
tar -zxvf /opt/software/tez-0.10.1-SNAPSHOT-minimal.tar.gz -C /opt/module/tez

2.上传 tez 依赖到 HDFS

# hdfs 创建文件夹
hadoop fs -mkdir /tez
# 上传本地文件至 hdfs 集群
hadoop fs -put /opt/software/tez-0.10.1-SNAPSHOT.tar.gz /tez

3.新建 tez-site.xml

# 在hadoop配置文件中，新建 tez-site.xml（注意：是在hadoop的 etc/hadoop 目录下新建哦）
vim $HADOOP_HOME/etc/hadoop/tez-site.xml

添加如下内容：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
	<property>
		<name>tez.lib.uris</name>
		<value>${fs.defaultFS}/tez/tez-0.10.1-SNAPSHOT.tar.gz</value>
	</property>
	<property>
		<name>tez.use.cluster.hadoop-libs</name>
		<value>true</value>
	</property>
	<property>
		<name>tez.am.resource.memory.mb</name>
		<value>1024</value>
	</property>
	<property>
		<name>tez.am.resource.cpu.vcores</name>
		<value>1</value>
	</property>
	<property>
		<name>tez.container.max.java.heap.fraction</name>
		<value>0.4</value>
	</property>
	<property>
		<name>tez.task.resource.memory.mb</name>
		<value>1024</value>
	</property>
	<property>
		<name>tez.task.resource.cpu.vcores</name>
		<value>1</value>
	</property>
</configuration>

4.修改 Hadoop 环境变量

vim $HADOOP_HOME/etc/hadoop/shellprofile.d/tez.sh

在 tez.sh 中，添加 Tez 的 Jar 包相关信息

hadoop_add_profile tez
function _tez_hadoop_classpath
{
 hadoop_add_classpath "$HADOOP_HOME/etc/hadoop" after
 hadoop_add_classpath "/opt/module/tez/*" after
 hadoop_add_classpath "/opt/module/tez/lib/*" after
}

提示：
  在 hadoop 中修改的配置，需要分发到集群每台节点上。hive 只是一个客户端，不需要分发。

5.修改 Hive 的计算引擎

vim $HIVE_HOME/conf/hive-site.xml

添加：

<property>
	<name>hive.execution.engine</name>
	<value>tez</value>
</property>
<property>
	<name>hive.tez.container.size</name>
	<value>1024</value>
</property>

6.解决日志 Jar 包冲突

rm /opt/module/tez/lib/slf4j-log4j12-1.7.10.jar

提示：
  安装后，Hadoop集群 和 Hive客户端 均需要重启。

使用Tez引擎

Tez疑惑1.Tez任务执行完成后，资源不能及时释放

根据其他博客介绍：Hive JDBC连接Tez（AM）容器长期不释放问题的解决方法，在 Hive 和 Tez 配置中，添加 tez.session.am.dag.submit.timeout.secs 属性配置。我发现资源能够及时释放了。但是 hive.log 日志会报一个错误，不影响使用，但也不知道为什么。

2.资源不及时释放，多个任务使用同一个任务id，不方便查看日志

自我感觉

Hive 中默认使用 MR 引擎，但是 MapReduce 并不擅长 DAG（有向无环图）计算（参考：MapReduce介绍）。

所以我猜测 Tez 引擎更多的是用来解决 DAG 任务的一个引擎。所以才会有上面的两个疑惑。处于学习阶段的自我认知，错误请指出，勿喷。哈哈

Hive终归还是要上 Spark 引擎的，就是图它的快，biu…biu…biu…