您好,登錄后才能下訂單哦!
這篇文章主要介紹開源大數(shù)據(jù)索引項目hive-solr的示例分析,文中介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們一定要看完!
最新更新:
(1)添加了對solrcloud集群的支持
(2)修復(fù)了在反序列時對于hive中null列和空值的處理bug
(3)優(yōu)化了在構(gòu)建索引時對于null值和空值的忽略
一些測試:
數(shù)據(jù)量:約一千二百萬,8個字段,其中一個是大文本,2個是分詞字段,索引前數(shù)據(jù)體積約20G
索引總耗時:約15分鐘
索引后體積:每個shard約6G,共約18G
Hive:限制最大并發(fā)map數(shù)為30個,怕影響Hbase服務(wù),注意使用Hive建完索引后,需要手動commit一次,使內(nèi)存索引flush到磁盤上
批處理:每個map里面10萬數(shù)據(jù),批量處理提交一次,不commit,這個值根據(jù)情況設(shè)定,太大了容易solrcloud容易丟數(shù)據(jù),太小了會影響速度
solrcloud集群版本為5.1使用3臺機器,每臺一個shard,無副本,jetty的內(nèi)存給了10G
CPU:24核,注意大文本分詞字段非常耗cpu
solr的jvm參數(shù)調(diào)整:
(1) 調(diào)大 SurvivorRatio 區(qū)占比,降低survivor區(qū)的內(nèi)存空間
(2)調(diào)小NewRatio區(qū)占比,增大新生代的內(nèi)存空間
(3)調(diào)大永久代MaxPermSize內(nèi)存至256M
(4)調(diào)整MaxTenuringThreshold=0 ,使大對象加速進(jìn)入老年代,避免在survivor和eden區(qū)來回拷貝,使用YGC次數(shù)變多
其他參數(shù)還是默認(rèn)配置
solr服務(wù)端配置:
(1)關(guān)閉自動commit
(2)設(shè)置ramBufferSizeMB為1000 ,約等1G
(3)設(shè)置maxBufferedDocs等-1,禁用maxBufferDocs
(4)設(shè)置mergeFactor為100
以上是“開源大數(shù)據(jù)索引項目hive-solr的示例分析”這篇文章的所有內(nèi)容,感謝各位的閱讀!希望分享的內(nèi)容對大家有幫助,更多相關(guān)知識,歡迎關(guān)注億速云行業(yè)資訊頻道!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。