Hive的后端存储是HDFS，它对大文件的处理是非常高效的，如果合理配置文件系统的块大小，NameNode可以支持很大的数据量。但是在数据仓库中，越是上层的表其汇总程度就越高，数据量也就越小。而且这些表通常会按日期进行分区，随着时间的推移，HDFS的文件数目就会逐渐 ...

hive小文件合并。 当使用union all会产生多个文件夹，可以设定distributed by 或者reduce个数。 hive合并。 SET hive.exec.dynamic.partition=true; SET ...

文件数目过多，会给HDFS带来压力，并且会影响处理效率，可以通过合并Map和Reduce的结果文件来消除这样的影响： set hive.merge.mapfiles = true ##在 map only 的任务结束时合并小文件 set hive ...

1.小文件产生 使用hive过程中经常会遇到小文件问题： 在执行插入数据操作过程中，可能会产生小文件（map输入）； map-only作业，可能会产生小文件（map输出）； map-reduce作业，每个reduce输出一个文件，可能产生小文件（reduce输出）。 2. ...

Hive小文件产生的原因 一方面hive数据仓库中汇总表的数据量通常比源数据少的多，而且为了提升运算速度，我们会增加Reduce的数量，Hive本身也会做类似的优化----Reducer数量等于源数据的量除以hive.exec.reducers.bytes.per.reduce所配置的量 ...

磁盘： heads/sectors/cylinders，分别就是磁头/扇区/柱面，每个扇区512byte（现在新的硬盘每个扇区有4K） 文件系统： 文件系统不是一个扇区一个扇区的来读数据，太慢了，所以有了block（块）的概念，它是一个块一个块的读取的，block才是文件 ...

一、需求背景 App端的埋点日志通过LogerServer收集到Kafka，再用Flink写入到HDFS,按天或天加小时分区，文件格式为text 或者Parquet,Checkpoint间隔为5分钟，Sink 并行度为10，每个小时产生600个小文件，由于数据量大，每天几十亿的数据，产生的小文件 ...

Hive 利用 on tez 引擎 合并小文件 标签（空格分隔）： Hive 获取 partition. 开始执行 ...