JindoTable提供Native Engine,支持查询加速。系统默认不开启加速,开启之后可以提升在Spark、Hive或Presto上ORC或Parquet格式文件的查询速度。

前提条件

已创建EMR-3.35.0及后续版本或EMR-4.9.0及后续版本,且ORC或Parquet文件已存放至JindoFS或OSS,创建集群详情请参见创建集群

背景信息

Spark、Hive和Presto上服务支持的引擎和存储格式如下所示。
引擎 ORC Parquet
Spark2 支持 支持
Presto 支持 不支持
Hive2 不支持 支持

使用限制

  • 不支持Binary类型。
  • 不支持分区列存储在文件中的分区表。
  • 不支持代码spark.read.schema(userDefinedSchema),userDefinedSchema不同于文件schema issue。
  • 支持Date类型区间为1400-01-01到9999-12-31。
  • 同一个表中查询列不支持区分大小写。例如,ID和id两个列在同一个表中无法使用查询加速。

提升Spark性能

  1. 开启JindoTable ORC或Parquet加速。
    说明
    • 因为查询加速使用的是堆外内存,所以在Spark任务中建议添加配置--conf spark.executor.memoryOverhead=4g提高Spark申请额外资源用来进行加速。
    • Spark调用读取ORC或Parquet时,需要使用native来启用加速。
    • 全局设置

      详细请参见全局设置Spark

    • Job级别设置
      使用spark-shell或者spark-sql时可以添加Spark的启动参数。
      spark.sql.extensions==io.delta.sql.DeltaSparkSessionExtension,com.aliyun.emr.sql.JindoTableExtension

      作业详情请参见Spark Shell作业配置Spark SQL作业配置

  2. 检查开启情况。
    1. 登录Spark History Server UI页面。
      登录详情请参见访问链接与端口
    2. 在Spark的SQL页面,查看执行任务。
      当出现JindoDataSourceV2Scan时,表示开启成功。否则,请排查步骤1中的操作。check_Jindo

提升Presto性能

因为Presto已经内置JindoTable native加速的catalog: hive-acc,所以您可以直接使用catalog: hive-acc来启用查询加速。

示例如下。
presto --server https://emr-header-1.cluster-xxx:7778/ --catalog hive-acc --schema default
emr-header-1.cluster-xxx是emr-header-1节点的hostname。
说明 目前使用Presto查询加速功能时,暂不支持复杂数据类型,例如Map、Struct或Array。

提升Hive性能

注意 如果您对作业稳定性要求较高时,建议不要开启native查询加速。

因为EMR Hive 2.3.7(EMR-3.35.0)已经内置JindoTable Parquet加速的插件,所以您可以直接设置hive.jindotable.native.enabled来启用查询加速,或者可以在控制台配置页面的hive-site.xml页签,添加自定义参数hive.jindotable.native.enabledtrue,来开启查询加速并重启Hive,此方式适用于Hive on MR和Hive on Tez。

代码示例如下。
set hive.jindotable.native.enabled=true;
说明 目前使用Hive查询加速功能时,暂不支持复杂数据类型,例如Map、Struct或Array。

全局设置Spark

  1. 进入Spark页面。
    1. 登录阿里云E-MapReduce控制台
    2. 在顶部菜单栏处,根据实际情况选择地域和资源组
    3. 单击上方的集群管理页签。
    4. 集群管理页面,单击相应集群所在行的详情
    5. 在左侧导航栏,选择集群服务 > Spark
  2. 在Spark服务页面,单击配置页签。
  3. 搜索参数spark.sql.extensions,修改参数值为io.delta.sql.DeltaSparkSessionExtension,com.aliyun.emr.sql.JindoTableExtension
  4. 保存配置。
    1. 单击保存
    2. 确认修改对话框中,输入执行原因,单击确定
  5. 重启ThriftServer。
    1. 在右上角选择操作 > 重启ThriftServer
    2. 执行集群操作对话框中,输入执行原因,单击确定
    3. 确认对话框中,单击确定