背景
由于需要查看原始数据,而原始数据实时产生,数据量较大,大约1万/分钟,写入MDB占用MDB的流量带宽,故考虑将原始数据写入Hive
逻辑
Spark Streaming作业中将消费的RDD整体处理为一个临时表,然后insert into到Hive表当日分区,即追加到当日分区
现状
写入少部分数据后就没有新数据进入,但是流处理作业并没有报错
分析:
实时处理任务中,RDD在不断产生,因此就会产生并发写入hive的现状,从而导致上述数据写入停滞的问题。
解决:
应该写入HDFS小文件,然后单独开启任务合并小文件 到大分区
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。