Hive 常见问题与技巧【Updating】

1Q: 是否有像类似于phpmyadmin一样的hive查询客户端，能以界面的方式查询hive语句和导出数据

A: 有的，客户端的话可以使用squirrel来连接hive，squirrel是一个通用的数据库查询客户端，还有有一个开源项目phphiveadmin也不错，

web方式访问hive，这里也有一个hive web client(https://github.com/lalaguozhe/hiveweb-1)

2Q: 执行语句时候，能否控制reducer的个数

A: 可以在执行hive语句之前先 set mapred.reduce.tasks=<number>

3Q: 是否可能在输出的时候在结果第一行打印列名

A: 可以在执行hive语句之前先 set hive.cli.print.header=true;

4Q: Hive是否支持跨数据库查询，比如database arch的table1和database algo的table2 进行join

A: 可以，只要有用户有这两张表的select权限即可，用户需要用“database.table”的方式来指定数据库下的表

5Q: Hive是否有内置的函数，可以对输出的数据进行处理

A: Hive提供了丰富的内置函数，参见https://cwiki.apache.org/Hive/languagemanual-udf.html，

用户也可以自己实现自定义的UDF方法来满足更复杂的查询需求

6Q: Hive支持exist in么？

A: 不支持，但是可以通过改写语句达到相同的效果，比如对于查询语句：

SELECT a.key, a.value FROM a WHERE a.key in (SELECT b.key FROM B);

可以改写成：

SELECT a.key, a.val

FROM a LEFT SEMI JOIN b on (a.key = b.key)

PS：上述答案过时了，目前 hive 已经支持 in 查询了。

http://blog.csdn.net/yfkiss/article/details/8073608

7Q:Hive是否支持本地执行模式

A:Hive支持本地执行模式，当数据量小的时候，本地执行比提交到集群上执行效率提升很大

set hive.exec.mode.local.auto=true(默认false)

当一个job满足如下条件才能真正使用本地模式：

1.job的输入数据大小必须小于参数hive.exec.mode.local.auto.inputbytes.max(默认值128MB)

2.job的map处理的文件数大于参数hive.exec.mode.local.auto.input.files.max(默认值4)

3.job的reduce数必须为0或者1，不管是用户设置的还是系统推测出来的

用参数hive.mapred.local.mem(默认0)来设置local mode下mapper和reducer task jvm heap size

8Q: 关键词UNION ALL的用法

A：The number and names of columns returned by each select_statement has to be the same. Otherwise, a schema error is thrown.

UNION ALL两边的字段名，和字段数都必须一致，可以用as xxx来统一字段名，并且目前UNION ALL只能作为子查询。

9Q：hive left outer join的问题：where 与 on 条件的区别

http://blog.csdn.net/lalaguozhe/article/details/9498947

10Q：其它技巧请见：

http://my.oschina.net/leejun2005/blog/121945

11、对于 jar 包调用失败 NullPointerException 的问题：

FAILED: Error in metadata: java.lang.NullPointerException
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask

你可能需要再 hive-site.xml 中添加 jar 的路径：

具体参考：http://abloz.com/2013/03/28/the-hive-execute-statements-times-nullpointerexception.html

<property>
	<name>
		hive.aux.jars.path
	</name>
	<value>
		file:///home/june/soft/hive-0.9.0-bin/lib/hive-json-serde.jar
	</value>
</property>

12、通过伪列定位出错的原始文件和行号：http://blog.csdn.net/lalaguozhe/article/details/11467593

通常用户在HIVE中用SELECT语句出来结果，无法确定结果是来自哪个文件或者具体位置信息，HIVE中考虑到了这点，在Virtual Column虚列中可以指定三个静态列:
1.  INPUT__FILE__NAME        map任务读入File的全路径
2.  BLOCK__OFFSET__INSIDE__FILE       如果是RCFile或者是SequenceFile块压缩格式文件则显示Block file Offset，也就是当前快在文件的第一个字偏移量，如果是TextFile，显示当前行的第一个字节在文件中的偏移量
3.  ROW__OFFSET__INSIDE__BLOCK        RCFile和SequenceFile显示row number, textfile显示为0
注：若要显示ROW__OFFSET__INSIDE__BLOCK ，必须设置set hive.exec.rowoffset=true;

select hostname, INPUT__FILE__NAME,BLOCK__OFFSET__INSIDE__FILE,ROW__OFFSET__INSIDE__BLOCK from t_NginxLog where dt='2013-09-01' limit 10;

REF：

Hive 常见问题(持续更新。。。)

http://blog.csdn.net/lalaguozhe/article/details/9081971

hive 0.10 0.11新增特性综述

http://blog.csdn.net/lalaguozhe/article/details/11730817

hive0.11升级碰到的坑

http://blog.csdn.net/lalaguozhe/article/details/17504761