Hive单表分区数过多执行查询报错

Zeng

java.lang.OutOfMemoryError: Java heap space

参考：OOM occurs when query spans to a large number of partitions

原因：
实际上分区数越多查询越慢，应控制分区数在5000以下。
1、hive会在执行查询时先将元数据中的分区信息加载到内存中，包括PARTITIONS、PARTITION_KEY_VALS、PARTITION_PARAMS等表的数据，如果分区数过多，这些表中的数据量也越大，hiveserver2默认的堆内存只有256M，因此heap不足。
2、如果hive-site.xml配置mapred.reduce.tasks数目较多（默认为-1，即slave个数），会导致每个查询job产生更多的map过程，同时分区数较多，加大了单个mapred加载的分区数据量。而在mapred-site.xml中的配置占用内存过低也会导致查询执行过程中报错，可适当调整：mapred.child.java.opts=-Xmx512m -XX:+UseConcMarkSweepGC

解决方案：
按照其他规则分区，降低目标表分区数，修改hive-env.sh，加入配置：export HADOOP_HEAPSIZE=2048

[1] Hive问题记录：http://my.oschina.net/cwalet/blog/266493