蜂巢 活泼 未压缩长度必须更短

Question

使用表本身的连接查询下表会导致以下异常：

java.lang.IllegalArgumentException: Uncompressed length 222258 must be less than 131072
at org.iq80.snappy.SnappyInternalUtils.checkArgument(SnappyInternalUtils.java:116)
        at org.iq80.snappy.SnappyDecompressor.uncompress(SnappyDecompressor.java:72)
        at org.iq80.snappy.Snappy.uncompress(Snappy.java:43)
        at org.apache.hadoop.hive.ql.io.orc.SnappyCodec.decompress(SnappyCodec.java:71)
        at org.apache.hadoop.hive.ql.io.orc.InStream$CompressedStream.readHeader(InStream.java:214)
        at org.apache.hadoop.hive.ql.io.orc.InStream$CompressedStream.available(InStream.java:251)

有问题的查询如下：

select a.*
from events a
inner join
(
  SELECT asset_id, time, max(hive_insert_ts)
  FROM events
  GROUP BY asset_id, time
) b on a.time = b.time
and a.asset_id = b.asset_id
limit 10;

该表存储为 ORC 并使用 SNAPPY 进行压缩：

create table events(
    asset_id varchar(15),
    time timestamp,
    hive_insert_ts timestamp)
PARTITIONED BY (
    country varchar(4),
    site varchar(4),
    year int,
    month int)
STORED as ORC
TBLPROPERTIES (
'orc.compress'='SNAPPY',
'orc.create.index'='true',
'orc.bloom.filter.columns'='asset_id, time',
'orc.bloom.filter.fpp'='0.05',
'orc.stripe.size'='268435456',
'orc.row.index.stride'='10000');

我搜索了很多，但找不到任何提示。您知道问题可能出在哪里吗？

多谢！

Answer 1

我找到了解决方案（以防万一有人遇到同样的问题）。它是由配置错误引起的：

默认情况下，"orc.compress.size"表属性设置为

'

orc.compress.size'='262144' 即 256KB

但是 core-site.xml 中的 "io.file.buffer.size" 设置为 "131072" whis 为 128KB。

流读取器想要读取解压缩后不适合文件缓冲区的131072字节。

解决方案是增加文件缓冲区大小或减小 ORC 表的压缩大小。

我希望有一天这对其他人也有帮助。