Spark SQL与Hive On MapReduce速度比较

65 阅读 0 评论 43 点赞

我是靠谱客的博主精明美女，最近开发中收集的这篇文章主要介绍Spark SQL与Hive On MapReduce速度比较，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

我们都知道Spark比Hadoop的MR计算速度更快。到底快多少呢？我一直比较疑惑，会有官网说的那么夸张吗。

今天就拿基于Spark的Spark SQL和基于MR的Hive比较一下，因为Spark SQL也兼容了HiveQL，我们就可以通过运行相同的HiveQL语句，比较直观的看出到底快多少了。

Spark SQL只要在编译的时候引入hive支持，就可以支持Hive表访问，UDF，SerDe，以及HiveQL/HQL--引自《Spark快速大数据分析》

Hive一般在工作站上运行，它把SQL查询转化为一系列在hadoop集群上运行的MR作业--引自《Hadoop权威指南》

用的文件系统都是HDFS，比较的是第二条sql语句

1.运行spark-sql shell

[plain]  
   view plain 
    copy 
    
   
 guo@drguo:/opt/spark-1.6.1-bin-hadoop2.6/bin$ spark-sql   

[plain]  
   view plain 
    copy 
    
   
 spark-sql> create external table cn(x bigint, y bigint, z bigint, k bigint)   
          > row format delimited fields terminated by ','   
          > location '/cn';  
 OK  
 Time taken: 0.876 seconds  
 spark-sql> create table p as select y, z, sum(k) as t  
          > from cn where x>=20141228 and x<=20150110 group by y, z;  
 Time taken: 20.658 seconds   

查看jobs，用了15s，为什么上面显示花了接近21s？我也不清楚，先放下不管。

再看一下它的DAG图

2.运行Hive

[plain]  
   view plain 
    copy 
    
   
 guo@drguo:~$ hive  

[plain]  
   view plain 
    copy 
    
   
 hive> create external table cn(x bigint, y bigint, z bigint, k bigint)   
     > row format delimited fields terminated by ','   
     > location '/cn';  
 OK  
 Time taken: 0.752 seconds  
 hive> create table p as select y, z, sum(k) as t  
     > from cn where x>=20141228 and x<=20150110 group by y, z;  
 Query ID = guo_20160515161032_2e035fc2-6214-402a-90dd-7acda7d638bf  
 Total jobs = 1  
 Launching Job 1 out of 1  
 Number of reduce tasks not specified. Estimated from input data size: 1  
 In order to change the average load for a reducer (in bytes):  
   set hive.exec.reducers.bytes.per.reducer=<number>  
 In order to limit the maximum number of reducers:  
   set hive.exec.reducers.max=<number>  
 In order to set a constant number of reducers:  
   set mapreduce.job.reduces=<number>  
 Starting Job = job_1463299536204_0001, Tracking URL = http://drguo:8088/proxy/application_1463299536204_0001/  
 Kill Command = /opt/Hadoop/hadoop-2.7.2/bin/hadoop job  -kill job_1463299536204_0001  
 Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 1  
 2016-05-15 16:10:52,353 Stage-1 map = 0%,  reduce = 0%  
 2016-05-15 16:11:03,418 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 8.65 sec  
 2016-05-15 16:11:13,257 Stage-1 map = 100%,  reduce = 100%, Cumulative CPU 13.99 sec  
 MapReduce Total cumulative CPU time: 13 seconds 990 msec  
 Ended Job = job_1463299536204_0001  
 Moving data to: hdfs://drguo:9000/user/hive/warehouse/predict  
 Table default.predict stats: [numFiles=1, numRows=1486, totalSize=15256, rawDataSize=13770]  
 MapReduce Jobs Launched:   
 Stage-Stage-1: Map: 1  Reduce: 1   Cumulative CPU: 13.99 sec   HDFS Read: 16551670 HDFS Write: 15332 SUCCESS  
 Total MapReduce CPU Time Spent: 13 seconds 990 msec  
 OK  
 Time taken: 42.887 seconds  