CN110442433B - 一种执行sql任务的方法、设备以及存储介质 - Google Patents

Abstract

本发明公开了一种执行SQL任务的方法，包括步骤：设置执行所述SQL任务的内存上限参数；分别获取单个Map和单个Reduce的内存开销；根据所述内存开销以及所述内存上限参数，分别计算理论Map数量和理论Reduce数量；根据所述理论Map数量和所述理论Reduce数量设置Map任务和Reduce任务的实际参数；依据实际参数计算所述Map任务和所述Reduce任务。本发明还公开了一种计算机设备以及可读存储介质。本发明公开的方法能够更方便的维护集群资源，应对某个大任务产生过多的Map或者Reduce，使资源造成过量消耗对其他作业造成影响，进而防止该任务内存开销过大。

Description

一种执行SQL任务的方法、设备以及存储介质

技术领域

本发明涉及数据处理领域，具体涉及一种执行SQL任务的方法、设备以及存储介质。

背景技术

目前hive任务执行具体的SQL任务过程中无法提供针对具体的脚本任务，尤其是对单个SQL任务直接进行内存调控的方法。容易造成某个任务开销过大，造成集群内存资源拥堵，进而导致同平台其他业务的延迟或者宕机。

因此，急需一种新的执行SQL任务方法。

发明内容

有鉴于此，为了克服上述问题的至少一个方面，本发明实施例的提出一种执行SQL任务的方法，包括步骤：

设置执行所述SQL任务的内存上限参数；

分别获取单个Map和单个Reduce的内存开销；

根据所述内存开销以及所述内存上限参数，分别计算理论Map数量和理论Reduce数量；

根据所述理论Map数量和所述理论Reduce数量设置Map任务和Reduce任务的实际参数；

依据实际参数计算所述Map任务和所述Reduce任务。

在一些实施例中，设置Map任务的实际参数，进一步包括：

获取输入文件总大小；

根据所述输入文件总大小以及所述理论Map数量计算切块大小；

根据所述切块大小设置所述Map任务的实际参数。

在一些实施例中，获取输入文件总大小，进一步包括：

对输入的文件进行合并；

计算合并后的文件的总大小。

在一些实施例中，设置Reduce任务的实际参数，进一步包括：

根据所述理论Reduce数量设置第一参数。

在一些实施例中，还包括：

判断是否存在下一阶段的Map任务和Reduce任务；

响应于不存在下一阶段的Map任务和Reduce任务，输出计算结果。

在一些实施例中，还包括：

响应于存在下一阶段的Map任务和Reduce任务，根据所述理论Map数量和所述理论Reduce数量重新设置Map任务和Reduce任务的实际参数；

依据重新设置的实际参数计算下一阶段的Map任务和Reduce任务。

在一些实施例中，重新设置Map任务和Reduce任务的实际参数进一步包括：

获取上一阶段Map任务和Reduce任务得到的计算结果的大小；

根据所述计算结果的大小及所述理论Map数量计算下一阶段的切块大小；

根据所述下一阶段的切块大小设置所述下一阶段的Map任务的实际参数。

在一些实施例中，进一步包括：

根据所述理论Reduce数量设置第一参数。

基于同一发明构思，根据本发明的另一个方面，本发明的实施例还提供了至少一个处理器；以及

存储器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时执行如上所述的任一种执行SQL任务的方法的步骤。

基于同一发明构思，根据本发明的另一个方面，本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时执行如上所述的任一种执行SQL任务的方法的步骤。

本发明具有以下有益技术效果：可以根据现有的集群资源，可自由通过参数对单个SQL任务进行内存资源的调控，有效避免了SQL任务产生内存的过量开销，使资源分配更加合理，高效，从而最大程度的利用有限的内存资源去执行更多的SQL任务。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。

图1为本发明的实施例提供的一种执行SQL任务的方法的流程示意图；

图2为本发明的实施例提供的一种执行SQL任务的方法的流程框图；

图3为本发明的实施例提供的计算机设备的结构示意图；

图4为本发明的实施例提供的计算机可读存储介质的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

根据本发明的一个方面，本发明的实施例提出一种执行SQL任务的方法，如图1所示，其可以包括步骤：S1，设置执行所述SQL任务的内存上限参数；S2，分别获取单个Map和单个Reduce的内存开销；S3，根据所述内存开销以及所述内存上限参数，分别计算理论Map数量和理论Reduce数量；S4，根据所述理论Map数量和所述理论Reduce数量设置Map任务和Reduce任务的实际参数；S5，依据所述实际参数计算所述Map任务和所述Reduce任务。

本发明提出的执行SQL任务的方法可以通过预先设定执行该任务时的内存上限参数，有效避免了SQL任务产生内存的过量开销，使资源分配更加合理，高效，从而最大程度的利用有限的内存资源去执行更多的SQL任务。并且能够更方便的维护集群资源，应对某个大任务产生过多的Map或者Reduce，使资源造成过量消耗对其他作业造成影响，防止该任务内存开销过大。

在一些实施例中，在步骤S1中，可以在hive脚本的某一段SQL语句之前，配置一个参数，作为该任务内存最大使用开销，并将hive任务与该参数一同提交到预处理器。这样，可以针对某个大作业设置一个最大内存上限的参数，之后预处理器会根据其他若干条件(包括输入文件大小，当前集群单个Map Reduce内存等)自动计算出合理的Map数量和Reduce数量，致使作业的内存保持在给定的内存上限之内。

在一些实施例中，在步骤S2和S3中，可以通过预处理模块读取当前集群的Map和Reduce设置，获取单个Map和单个Reduce的内存开销。例如，可以通过读取当前Hadoop集群Mapred-default.xml文件中的MapReduce.Map.memory.mb与MapReduce.Reduce.memory.mb参数即可获的单个单个Map和单个Reduce的内存开销。然后利用根据单个Map(Reduce)内存开销×单个Map(Reduce)数量<＝作业内存上限这一规则，预处理模块计算出理论的Map和Reduce数量。

在一些实施例中，在步骤S4中，设置Map任务的实际参数，可以进一步包括：获取输入文件总大小；根据所述输入文件总大小以及所述理论Map数量计算切块大小；根据所述切块大小设置所述Map任务的实际参数。

具体的，由于文件切块数量与Map数量直接相关，根据：输入总大小(合并后)/单个切块大小＝文件切块数＝Map数量这一规则，改变切块大小的参数进而使实际的Map数量与计算出来的合理的数量基本一致。改变文件切块大小的Hive参数为(SETMapred.max.split.size＝XXX,SET Mapred.min.split.size.per.node＝XXX；SETMapred.min.split.size.per.rack＝XXX；)。

在一些实施例中，为了获取输入文件总大小，预处理模块可以对输入的文件进行合并处理，例如，可以通过命令SET hive.input.format＝org.apache.hadoop.hive.ql.io.CombineHiveInputFormat对文件进行合并，然后计算合并后的文件的总大小，这样可以防止输入小文件过多。

在一些实施例中，在步骤S4中，设置Reduce任务的实际参数，可以进一步包括：根据所述理论Reduce数量设置第一参数。具体的，可以根据通过理论Reduce数量对Mappred.Reduce.tasks参数的直接配置，即可实现对实际Reduce数量的调整，即SETMapred.Reduce.tasks＝XXX。

最后，通过配置器执行上述配置策略，然后将任务提交yarn并进行实际的计算。

在一些实施例中，方法还可以包括：判断是否存在下一阶段的Map任务和Reduce任务；响应于不存在下一阶段的Map任务和Reduce任务，输出计算结果。响应于存在下一阶段的Map任务和Reduce任务，根据所述理论Map数量和所述理论Reduce数量重新设置Map任务和Reduce任务的实际参数；依据重新设置的实际参数计算下一阶段的Map任务和Reduce任务。

需要说明的是，若执行的SQL任务较复杂，需要执行多个阶段的Map任务和Reduce任务，则需要设置每个阶段的实际配置参数。但是一开始设置的内存上限值适用于该次任务的所有Map与Reduce阶段。

在一些实施例中，重新设置Map任务和Reduce任务的实际参数可以进一步包括：获取上一阶段Map任务和Reduce任务得到的计算结果的大小；根据所述计算结果的大小及所述理论Map数量计算下一阶段的切块大小；根据所述下一阶段的切块大小设置所述下一阶段的Map任务的实际参数；根据所述理论Reduce数量设置第一参数。

需要说明的是，在重新设置Map任务和Reduce任务的实际参数时，只有在计算切块大小时的输入的文件不同，其余均相同，在本实施例中，计算切块大小时的输入的文件是上一阶段计算后的文件，也即中间文件，而不是原始文件。

下面结合图2示出的流程框图对本发明执行SQL任务的方法进行描述。

首先可以通过SQL任务提交时引入最大内存使用值，然后在预处理器根据该值产出任务配置的相关策略，即由预处理器根据该内存最大值，通过集群相关配置获取map与reducer单个内存开销，得出该任务允许的最大的map个数与reducer个数，进一步，由最大map个数与输入文件大小得出文件切块大小。然后交由mapReduce配置器进行实际配置，包括配置hive小文件合并参数，配置map输入文件切块大小，以及reduce任务的reducer数量等。最后将mapReduce任务提交yarn并执行；若存在下一阶段mapReduce任务，则返回预处理器重新计算实际参数开始继续顺序执行直到产出最终结果。

基于同一发明构思，根据本发明的另一个方面，如图3所示，本发明的实施例还提供了一种计算机设备501，包括：

至少一个处理器520；以及

存储器510，存储器510存储有可在处理器上运行的计算机程序511，处理器520执行程序时执行如上的任一种执行SQL任务的方法的步骤。

基于同一发明构思，根据本发明的另一个方面，如图4所示，本发明的实施例还提供了一种计算机可读存储介质601，计算机可读存储介质601存储有计算机程序指令610，计算机程序指令610被处理器执行时执行如上的任一种执行SQL任务的方法的步骤。

最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。

此外，典型地，本发明实施例公开的装置、设备等可为各种电子终端设备，例如手机、个人数字助理(PDA)、平板电脑(PAD)、智能电视等，也可以是大型终端设备，如服务器等，因此本发明实施例公开的保护范围不应限定为某种特定类型的装置、设备。本发明实施例公开的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。

此外，根据本发明实施例公开的方法还可以被实现为由CPU执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时，执行本发明实施例公开的方法中限定的上述功能。

此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。

此外，应该明白的是，本文的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM)，该RAM可以充当外部高速缓存存储器。作为例子而非限制性的，RAM可以以多种形式获得，比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。

本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。

结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行：通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。

结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器，使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中，存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中，处理器和存储介质可以作为分立组件驻留在用户终端中。

在一个或多个示例性设计中，功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。

以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。

上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (8)

1.一种执行SQL任务的方法，包括步骤：

设置执行所述SQL任务的内存上限参数；

在配置文件中分别获取单个Map和单个Reduce的内存开销；

根据所述内存开销以及所述内存上限参数，分别计算理论Map数量和理论Reduce数量，以使所述理论Map数量乘以所述单个Map的内存开销不大于所述内存上限参数或使所述理论Reduce数量乘以所述单个Reduce的内存开销不大于所述内存上限参数；

根据所述理论Map数量和所述理论Reduce数量设置Map任务和Reduce任务的实际参数；

依据所述实际参数计算所述Map任务和所述Reduce任务；

其中，设置Map任务的实际参数，进一步包括：

获取输入文件总大小；

根据所述输入文件总大小以及所述理论Map数量计算切块大小；

根据所述切块大小设置所述Map任务的实际参数；

设置Reduce任务的实际参数，进一步包括：

根据所述理论Reduce数量设置第一参数。

2.如权利要求1所述的方法，其特征在于，获取输入文件总大小，进一步包括：

对输入的文件进行合并；

计算合并后的文件的总大小。

3.如权利要求1所述的方法，其特征在于，还包括：

判断是否存在下一阶段的Map任务和Reduce任务；

响应于不存在下一阶段的Map任务和Reduce任务，输出计算结果。

4.如权利要求3所述的方法，其特征在于，还包括：

响应于存在下一阶段的Map任务和Reduce任务，根据所述理论Map数量和所述理论Reduce数量重新设置Map任务和Reduce任务的实际参数；

依据重新设置的所述实际参数计算所述下一阶段的Map任务和Reduce任务。

5.如权利要求4所述的方法，其特征在于，重新设置Map任务和Reduce任务的实际参数进一步包括：

获取上一阶段Map任务和Reduce任务得到的计算结果的大小；

根据所述计算结果的大小及所述理论Map数量计算下一阶段的切块大小；

根据所述下一阶段的切块大小设置所述下一阶段的Map任务的实际参数。

6.如权利要求5所述的方法，其特征在于，进一步包括：

根据所述理论Reduce数量设置第一参数。

7.一种计算机设备，包括：

至少一个处理器；以及

存储器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时执行权利要求1-6任意一项所述的方法。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时执行权利要求1-6任意一项所述的方法。

Images