Hive优化常用手段

为什么80%的码农都做不了架构师？>>>   

· 好的模型设计事半功倍。

· 解决数据倾斜问题。

· 减少job数。

· 设置合理的map reduce的task数，能有效提升性能。(比如，10w+级别的计算，用160个reduce，那是相当的浪费，1个足够)。

· 了解数据分布，自己动手解决数据倾斜问题是个不错的选择。set hive.groupby.skewindata=true;这是通用的算法优化，但算法优化有时不能适应特定业务背景，开发人员了解业务，了解数据，可以通过业务逻辑精确有效的解决数据倾斜问题。

· 数据量较大的情况下，慎用count(distinct)，count(distinct)容易产生倾斜问题。

· 对小文件进行合并，是行至有效的提高调度效率的方法，假如所有的作业设置合理的文件数，对云梯的整体调度效率也会产生积极的正向影响。

· 优化时把握整体，单个作业最优不如整体最优。

转载于:https://my.oschina.net/134596/blog/1800009