HiveQL学习

1. 当 hive 执行 join 内存溢出时，可以修改 hive 的配置文件 hive-site.xml ，增大内存，如下：

• < property >
• < name >mapred.child.java.opts< /name >
• < value >-Xmx 1024m < /value >
• < /property >

2. hive 默认建表时的路径也可以在 hive-site.xml 里配置，如下 :

• < property >
• < name >hive.metastore.warehouse.dir< /name >
• < value >/user/hive/warehouse< /value >
• < description >location of default database for the warehouse< /description >
• < /property >

3. 执行 join 操作的时候，尽量把小表放前面，大表放前面可能会因为内存溢出而出错

4. 对分区表进行操作需要对分区进行过滤（如： ds=$yday ）。   特别是在 JOIN 操作的时候，分区过滤（如： ds=$yday ）需要放到   ON 语句   或 子查询   里面。不能放到 ON 后面的 WHERE 里，这样会扫描所有表，最后才判断分区。也就是说程序会先执行 JOIN 操作，才会执行最后的 WHERE 操作。

5. 在 JOIN 操作中，后面被连续 JOIN 且同一字段，只会执行一个 mapreduce 操作。

SELECT * FROM a LEFT OUTER JOIN b ON a.t=b.t LEFT OUTER JOIN c ON a.t=c.t;  推荐的

SELECT * FROM a LEFT OUTER JOIN b ON a.t=b.t LEFT OUTER JOIN c ON b.t=c.t;  效率低下的

6. 当一个大表和一个很小的表进行 JOIN 操作的时候，使用 MAPJOIN 操作，这样会把小表读入内存进行 JOIN ，只需要一个 map 操作 JOIN 就完成了

select /*+ mapjoin(a)*/ a.c1,b.c2,b.c3 from a join b on a.c4=b.c4;

7. 通过设置 hive.merge.mapfiles 可以关闭 hive 对于扫描表的优化，但有时候会提高效率。默认值为 true 。可以视情况设置：只含有 SELECT 的语句   或  MAPJOIN  推荐使用

8.ALTER TABLE a SET SERDEPROPERTIES('serialization.null.format' = '');  可以使结果表不出现 \N 字符串，而用空串代替