Tabla de contenido:

¿Cómo puedo mejorar el rendimiento de mi sqoop?
¿Cómo puedo mejorar el rendimiento de mi sqoop?

Video: ¿Cómo puedo mejorar el rendimiento de mi sqoop?

Video: ¿Cómo puedo mejorar el rendimiento de mi sqoop?
Video: Intercambiando data entre RDBMS y Hadoop 2024, Mayo
Anonim

Para optimizar rendimiento , colocar los número de tareas de mapa a un valor inferior a los número máximo de conexiones que los soportes de base de datos. Controlador los cantidad de paralelismo que Sqoop utilizará para transferir datos es los forma principal de controlar los cargar en tu base de datos.

En consecuencia, ¿qué sucede si sqoop falla entre un proceso?

Un típico Sqoop El trabajo que ingiere datos de una base de datos de origen en HDFS copiará los datos en un directorio de destino. El archivo copiado se eliminará si sqoop falla sin completar.

También se puede preguntar, ¿cómo se logra el paralelismo en sqoop? Controlador Paralelismo . Sqoop importa datos en paralelo desde la mayoría de las fuentes de bases de datos. Puede especificar el número de tareas de mapa (procesos paralelos) que se utilizarán para realizar la importación mediante el argumento -m o --num-mappers. Cada uno de estos argumentos toma un valor entero que corresponde al grado de paralelismo emplear

En consecuencia, ¿cómo puedo mejorar el rendimiento de mis consultas de Hive?

A continuación se muestra la lista de prácticas que podemos seguir para optimizar las consultas de Hive

  1. Habilite la compresión en Hive.
  2. Optimizar uniones.
  3. Evite la clasificación global en Hive.
  4. Habilite el motor de ejecución de Tez.
  5. Optimice el operador LIMIT.
  6. Habilite la ejecución en paralelo.
  7. Habilite el modo estricto de Mapreduce.
  8. Reducción única para varios grupos por.

¿Cómo funciona sqoop split?

Se puede utilizar para mejorar el rendimiento de la importación al lograr un mayor paralelismo. Sqoop crea divisiones basado en valores en una columna particular de la tabla que se especifica por - separar -por el usuario a través del comando de importación. Si no está disponible, la clave principal de la tabla de entrada se utiliza para crear la divisiones.

Recomendado: