我使用Hadoop-Hive分析apache日志到statis访问功能。我编写了一个名为GetCity的UDF，将remote_ip转换为城市名称，但是当我运行“从log_pre;中选择GetCity(remote_ip)；”时，它非常慢，甚至在数据超过1000个项目时也失败了。
我尝试设置mapred.reduce.tasks = 10，但jobtracker显示的 map 总数为1都一样。选择时如何设置更多 map ？
最佳答案
当执行这样的查询时，“GetCity(remote_ip)”调用始终在映射器上发生。实际上，我怀疑除了文件串联之外，reducer中是否有其他事情发生。您可以通过调用以下命令来控制配置单元在 hive 中使用的任务数量:
SET mapred.map.tasks = 10;
希望这可以帮助，
同步树