更新时间:2024-07-19 GMT+08:00

Hudi性能调优

性能调优方式

当前版本Hudi写入操作主推Spark,因此Hudi的调优和Spark比较类似,可参考Spark2x性能调优

推荐资源配置

  • mor表:

    由于其本质上是写增量文件,调优可以直接根据hudi的数据大小(dataSize)进行调整。

    dataSize如果只有几个G,推荐跑单节点运行spark,或者yarn模式但是只分配一个container。

    入湖程序的并行度p设置:建议 p = (dataSize)/128M, 程序分配core的数量保持和p一致即可。内存设置建议内存大小和core的比例大于1.5:1 即一个core配1.5G内存, 堆外内存设置建议内存大小和core的比例大于0.5:1。

  • cow表:

    cow表的原理是重写原始数据,因此这种表的调优,要兼顾dataSize和最后重写的文件数量。总体来说core数量越大越好(和最后重写多少个文件数直接相关),并行度p和内存大小和mor设置类似。