如何在3.5.X版本中开启native查询加速_开源大数据平台 E-MapReduce(EMR)-阿里云帮助中心

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

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EMR 5.X及后续版本的EMR集群。
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，NAME和name两个列在同一个表中无法使用查询加速。

提升Spark性能

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作业配置或Spark SQL作业配置。
检查开启情况。
1. 登录Spark History Server UI页面。
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。

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 emr-header-1:9090 --catalog hive-acc --schema default

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

重要

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.enabled为true，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

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. 在集群管理页面，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。
在Spark服务页面，单击配置页签。
搜索参数spark.sql.extensions，修改参数值为io.delta.sql.DeltaSparkSessionExtension,com.aliyun.emr.sql.JindoTableExtension。
保存配置。
1. 单击保存。
2. 在确认修改对话框中，输入执行原因，单击确定。
重启ThriftServer。
1. 在右上角选择操作 > 重启ThriftServer。
2. 在执行集群操作对话框中，输入执行原因，单击确定。
3. 在确认对话框中，单击确定。