Hive 基于常用参数的调优（Tez和MR引擎）

1.说明

Hive的常用计算引擎有MR、Tez和Spark，本篇博客主要是基于MR和Tez的参数调优，由于Hive的任务是在Yarn上提交的，所以Yarn作为一个资源调度器，可用的资源也需要进行配置。

2.Yarn参数个性化配置

配置文件名：yarn-site.xml

参数名	推荐值	参数说明
yarn.nodemanager.resource.cpu-vcores	当前数据节点的可用最大CPU核数*80%	Container可以使用的的CPU数
yarn.scheduler.maximum-allocation-vcores	当前数据节点的可用最大CPU核数*80%	单个任务最大可用的CPU数
yarn.scheduler.minimum-allocation-vcores	1	单个任务最小可用的CPU数
yarn.nodemanager.resource.memory-mb	当前数据节点的物理内存总量的80%	可分配给Container的内存大小
yarn.scheduler.maximum-allocation-mb	当前数据节点的物理内存总量的80%	单个任务最大可用的内存大小
yarn.scheduler.minimum-allocation-mb	1024	单个任务最小可用的内存大小

3.Hive参数个性化配置（MR）

参数名	推荐值	参数说明
hive.execution.engine	mr	选择执行引擎
hive.exec.parallel	true	是否并行执行任务，默认值为false。
hive.exec.compress.intermediate	true	否对hive查询中的数据进行压缩，当map中间数据较多时，可以选择开启压缩，压缩形式推荐Snappy，默认值为false。
mapreduce.map.output.compress.codec	org.apache.hadoop.io.compress.SnappyCodec	在开启压缩时，该参数生效，Snappy结合了低CPU开销和好的压缩执行效率，适合中间文件的压缩和解压，默认值为org.apache.hadoop.io.compress.DefaultCodec。
mapreduce.map.memory.mb	6144	Mapper的Container的堆内存大小，根据实际情况设置，为1024的倍数，单位为MB。设置范围大小在3072-20480之间。
mapreduce.map.cpu.vcores	1	每个Mapper的可使用最大的CPU核数，默认值为1。
mapreduce.reduce.memory.mb	6144	Reducer的Container的堆内存大小，根据实际情况设置，为1024的倍数，单位为MB。
mapreduce.reduce.cpu.vcores	1	每个Reducer的可使用最大的CPU核数，默认值为1。
hive.exec.reducers.max	100	允许的最大reduce数量，需要根据reduce的数据量来判断，默认值为1009。
mapred.reduce.tasks	100	指定reduce的个数，默认为-1。

4.Hive参数个性化配置（Tez）

参数名	推荐值	参数说明
hive.execution.engine	tez	选择执行引擎
hive.tez.input.format	org.apache.hadoop.hive.ql.io.CombineHiveInputFormat	如果小文件过多，导致map数很多时，可以使用org.apache.hadoop.hive.ql.io.CombineHiveInputFormat来合并小文件，减少过多的map任务数，默认值为org.apache.hadoop.hive.ql.io.HiveInputFormat。
hive.tez.container.size	10240	Tez的Container的堆内存大小，根据实际情况设置，为1024的倍数，单位为MB。设置范围大小在3072-20480之间。
tez.runtime.io.sort.mb	128	Hive输出排序需要的内存大小，不超过2G，单位为MB。
tez.am.container.reuse.enabled	true	Tez的AM容器设置为可重用。
tez.runtime.shuffle.fetch.buffer.percent	0.90	运行期间，用于shuffle的buffer大小比例。
tez.runtime.unordered.output.buffer.size-mb	1024	如果不直接写入磁盘,使用的缓冲区大小。建议设置为10% * hive.tez.container.size。
hive.exec.reducers.max	100	允许的最大reduce数量，需要根据reduce的数据量来判断，默认值为1009。
mapred.reduce.tasks	100	指定reduce的个数，默认为-1。