1、問題示例
（1）hive創建表
hive (test)> create table t1(id int,name string)
> clustered by (id) into 8 buckets
> stored as orc tblproperties ('transactionl'='true');
OK
Time taken: 13.342 seconds
（2）插入數據報錯
insert into t1 values (1,'aaa');
Query ID = grid_20211027110417_1a2f8a7b-2837-4c88-9a28-00a8b679e029
Total jobs = 2
Launching Job 1 out of 2
Number of reduce tasks determined at compile time: 8
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>
Cannot run job locally: Number of reducers (= 8) is more than 1
Starting Job = job_1635258384646_0002, Tracking URL = http://master:8088/proxy/application_1635258384646_0002/
Kill Command = /home/grid/Hadoop/hadoop-3.3.1/bin/mapred job -kill job_1635258384646_0002
Hadoop job information for Stage-1: number of mappers: 0; number of reducers: 0
2021-10-27 11:10:06,987 Stage-1 map = 0%, reduce = 0%
Ended Job = job_1635258384646_0002 with errors
Error during job, obtaining debugging information...
FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask
MapReduce Jobs Launched:
Stage-Stage-1: HDFS Read: 0 HDFS Write: 0 FAIL
Total MapReduce CPU Time Spent: 0 msec
（3）沒有成功插入數據
hive (test)> select * from t1;
OK
Time taken: 8.98 seconds
2、問題剖析
（1）從上面報錯結果可知，hive成功創建了表，但卻不能向表中插入數據；
（2）使用Spark-sql再次向hive創建的表插入數據，卻能成功插入，但在hive中就是不行；
（3）使用hive向非桶表插入數據，是可以的；
（4）該問題，筆者已經解決，筆者曾試用過多種辦法都沒有解決，是在一次偶然情況解決的。由於解決過程是在反反復復測試和修改各種參數中，無意中測試成功的，反過來推測造成上述其原因如下（未進一步去檢驗）：
A、造成上述根本原因是Hadoop主節點（master）內存不足，就是用於ResourceManager的節點，至少需要4G的運行內存，當時筆者設置Hadoop運行內存為3G。其原因是在向hive創建的桶表插入數據時，hive計算引擎設置使用mr引擎（即mapreduce）時，而使用Mapreduce時，需要4G內存才能運行。注意：非桶表或小數據，則不需要這么多內存。向桶表插入數據，那怕只是1條數據，MapReduce也都需要足夠的內存。那是因為ResourceManger本身運行就占用了很大一部分內存，再執行計算任務時，就需要更多的內存。
B、Spark-sql執行桶表插入數據時，計算引擎是Spark本身，不需要額外占用過多的內存，且數據本身在內存中執行交換，所以可以執行成功，效率很高。
C、Hive使用mr作為計算引擎時，很是消耗內存，尤其是桶表。
D、因此給新手已經建議，初次配制hadoop集群時，主節點的內存一定要大一些，至少也需要4G，否則就會出現這種坑。
E、使用hive時，盡可能避免使用mr作為計算引擎，可以修改為spark或tez，可提高運行效率，但需要額外配制相關參數。
3、解決方案
（1）方案1：設置參數為：hive.exec.mode.local.auto=true
hive (test)> set hive.exec.mode.local.auto=true;
結果行不通，筆者已從“hive-siet.xml”配置了該參數。這是一個錯誤的方向，是筆者最初以為是hive參數配制不對導致的問題。
（2）方案2：
找到Hadoop集群配制文件yarn-site.xml，設置參數：yarn.nodemanager.resource.memory-mb，參數設置示例如下：4096即為4G。
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>4096</value>
</property>
另外一個與之相關的參數：yarn.scheduler.minimum-allocation-mb，筆者設置為2G，但未檢驗是否會影響性能。
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>2048</value>
</property>