Hive优化

本文转载自：点击打开链接

hive常见优化方法总结

1，使用关键字 EXPLAIN  或者 EXPLAIN EXRENDED  ,在要执行的sql语句前面加关键字，不执行语句，可以用来查看语法树

2,使用limit限制的调整，一般使用limit其实还是全表扫描，所以可以修改配置

 

  hive.limit.optimize.enable

true

3,在数据量少的情况下可以使用本地模式查询

  set oldjobtracker=${hiveconf:mapred.job.tracker}

set mapred.job.tracker=local;

set mapred.tmp.dir=/home/edward/tmp;

select * from  people where firstname=bob;

设置属性 hive.exec.model.local.auto 的值为true

4,join优化

    将最大的表放在join语句的最右边，或者直接使用/*streamtable(table_name)*/语句指出

  如果所有表中有一个表足够的小，可以完整的载入到内存中，那么这时hive可以执行一个map-side JOIN,

这样可以减少reduce过程

5，严格模式

     使用hive.mapred.mode 的值为strict 禁止3中类型查询

     其一：对于分区表，除非where语句中含有分区字段过滤条件来限制数据范围，否则不允许执行。

    其二：对于order by的语句查询，必须使用limit语句，因为order by为了值执行排序过程会将所有的结果数据分发到同一个reduce中进行处理，强制要求用户增加这个limit语句可以防止reducer额外执行很长一段时间

    其三：限制笛卡尔积的查询。在join时使用on，避免使用where

6，并行执行

     通过设置参数hive.exec.parallel的值为true，就可以开启并发执行，不过，在共享集群中，需要注意下，如果job中

并行执行的阶段增多，那么集群的利用率就会增加

hive.exec.parallel

true

7,调整mapper和reducer个数

   在hive设置中hive.exec.reducers.bytes.per.reducer（设置的时候是按照字节计算

机器的换算为：

   1G=1000MB

1MB=1000KB

1KB=1000B

把B称为字节、b称为字位、KB称为 千字节、MB称为 兆字节、 GB称为吉字节。

）的默认值是1G,将这个属性值可以进行调节

  使用命令 hadoop fs -count /user/hive/warehouse/tc.db/tc_order/* | tail -4  查看文件的大小

如果文件大小为4G，则有4个reduce

hive的默认reducer个数是3个，可以通过mapred.reduce.tasks的值为不同的值来确定是使用较多还是较少的reducer来缩短执行时间。当在共享集群上处理大任务时，为了控制资源利用情况，属性hive.exec.reducers.max显得非常重要。一个hadoop可以提供的map和reduce资源个数（“插槽”）,是固定的。通过设置hive.exec.reducers.max可以阻止某个查询消耗太多的资源。对于之歌属性值的计算公式如下

（集群总Reduce槽位个数*1.5）/（执行中的查询的平均个数）