hive优化

HIVE优化场景七--数据倾斜--group by 倾斜

HIVE优化场景七--数据倾斜：GROUPBY场景下的数据倾斜JOIN场景下的数据倾斜1)由于空值导致的数据倾斜问题2)由于数据类型不一致，导致的转换问题，导致的数据倾斜3)业务数据本身分布不均，导致的数据倾斜
xuanxing123·2024-09-05 22:50

HIVE优化场景七--数据倾斜--Join 倾斜

2)由于数据类型不一致，导致的转换问题，导致的数据倾斜场景说明：用户表中user_id字段为int，log表中user_id为既有string也有int的类型。当按照两个表的user_id进行join操作的时候，默认的hash操作会按照int类型的id进行分配，这样就会导致所有的string类型的id就被分到同一个reducer当中。解决方案：将INT类型id,转换为STRING类型的id.SEL
xuanxing123·2024-02-15 01:10

京东面试总结

总结：HDFS基本命令总结Hive基本命令总结HBase基本命令总结Hive优化问题？HBase优化问题？
小小少年Boy·2024-02-09 21:45

大数据学习(32)hive优化方法总结

&&大数据学习&&系列专栏：哲学语录:承认自己的无知，乃是开启智慧的大门如果觉得博主的文章还不错的话，请点赞+收藏⭐️+留言支持一下博主哦Hive优化主要从以下几个方面考虑：数据倾斜：对于数据倾斜问题，
viperrrrrrr·2024-02-01 12:08

学了这一篇，你对Hive优化会更上一层楼

球友提问汪哥问题1：sethive.exec.max.dynamic.partitions=1000;–所有节点的总（默认）限制为1000个动态分区sethive.exec.max.dynamic.partitions.pernode=100;–默认值为每个节点100个动态分区我看某个博客上：sethive.exec.max.dynamic.partitions.pernode=100#表示每个m
语兴数据·2024-01-30 15:32

HIVE优化场景三-合理并行控制

场景三.合理进行并行控制合理的使用并行化参数控制并行化参数有以下几个：开启任务并行执行sethive.exec.parallel=true;允许并行任务的最大线程数sethive.exec.parallel.thread.number=8;这个只是开启并行化建议，具体最终能不能并行，还是依赖于之间有无依赖关系。有依赖关系，既使开启了优化参数也是不行的。如何查看每个阶段间是否有依赖关系，我们可以通过
xuanxing123·2024-01-28 14:36

Hive 优化总结

Hive优化本质：HDFS+MapReduce问题原因：倾斜：分区：有的分区没有数据，有的分区数据堆积。(若按天分区，每一天数据差别大就叫倾斜。)
Byyyi耀·2024-01-24 10:25

HIVE优化之map和reduce数量

1、控制hive任务中的map数我们先来了解下什么情况要设置map数量。一般来讲，map数量默认，不需要我们设置，一般情况下，Hive自己就可以知道到底使用多少个map。但是，当我们明确知道表的数据量不大，而Hive运行启动了几千个map的时候，就有必要减小map的数量了。好比1000个西瓜没必要安排100辆车去拉，安排2辆车就可以搞定了。另一方面，当我们发现map数量不多，但map运行速度极慢的
莱特昂·2024-01-17 18:52

HIVE优化场景一：去重场景问题

场景一.去重场景问题1)UNION--UNIONALL之间的区别，如何取舍2)DISTINCT替代方式GROUPBY1)UNION--UNIONALL之间的区别，如何取舍注意SQL中UNIONALL与UNION是不一样的，UNIONALL不会对合并的数据去重UNION会对合并的数据去重例子：EXPLAINSELECTcompany_name,dep_name,user_id,user_nameFR
xuanxing123·2024-01-07 00:22

hive优化

一、执行计划（Explain）基本语法EXPLAIN[EXTENDED|DEPENDENCY|AUTHORIZATION]querydemo:hive(dyhtest)>explainselect*fromemp;OKExplainSTAGEDEPENDENCIES:Stage-0isarootstageSTAGEPLANS:Stage:Stage-0**FetchOperator**limit:
DIY……·2024-01-04 22:42

HIVE优化场景九--减少IO次数

场景九.减少IO次数1）通过多表插入FROMAINSERTBSELECTA,....INSERTCSELECTA...2）一次输入，多次使用WITHTABLEAS(....)1）通过多表插入FROMAINSERTBSELECTA,....INSERTCSELECTA...Hive支持多表插入，可以在同一个查询中使用多个insert子句，这样的好处是我们只需要扫描一遍源表就可以生成多个不相交的输出！
xuanxing123·2024-01-02 09:02

Hive优化总结

1.小表大表join(MapJOIN):使用mapjoin让小的维度表先进内存，在map端完成joinsethive.auto.convert.join=true;默认为truesethive.mapjoin.smalltable.filesize=25000000;默认25M以下是小表2.大表join大表：（1）空key过滤：一般业务场景不常用（2）空key转换：nvl(n.id,rand())
July2333·2023-12-29 17:20

Hive优化-SQL调优

Hive优化-SQL调优此博客参考了其他博客：hivesqlhttps://www.cnblogs.com/fnlingnzb-learner/p/13087976.html后续还会继续更新和优化优化的根本思想
ShyGlow·2023-12-27 18:20

【美团大数据面试】大数据面试题附答案

TopN求法，大数据量无法完全写入内存解决方案，MapReduce实现方法7.spark部署、调度原理8.spark的stage划分方法9.reducejoin执行过程10.大数据量join优化方法11.hive
话数Science·2023-12-25 11:19

Hive优化(十三)-小文件进行合并

小文件进行合并在Map执行前合并小文件，减少Map数：CombineHiveInputFormat具有对小文件进行合并的功能（系统默认的格式）。HiveInputFormat没有对小文件合并功能。1）参数设置setmapred.max.split.size=112345600;setmapred.min.split.size.per.node=112345600;setmapred.min.spl
bigdata张凯翔·2023-12-24 12:08

技本功|Hive优化之监控（三）

Hive是大数据领域常用的组件之一，主要是大数据离线数仓的运算，关于Hive的性能调优在日常工作和面试中是经常涉及的一个点，因此掌握一些Hive调优是必不可少的技能。影响Hive效率的主要有数据倾斜、数据冗余、job的IO以及不同底层引擎配置情况和Hive本身参数和HiveSQL的执行等因素。本文主要是从监控运维的角度对Hive进行整体性能把控，通过对hive元数据监控，提前发现Hive表的不合理
云掣YUNCHE·2023-12-24 03:15

技本功|Hive优化之Spark执行引擎参数调优（二）

Hive是大数据领域常用的组件之一，主要是大数据离线数仓的运算，关于Hive的性能调优在日常工作和面试中是经常涉及的的一个点，因此掌握一些Hive调优是必不可少的一项技能。影响Hive效率的主要有数据倾斜、数据冗余、job的IO以及不同底层引擎配置情况和Hive本身参数和HiveSQL的执行等因素。本文主要结合实际业务情况，在使用Spark作为底层引擎时，通过一些常见的配置参数对报错任务进行调整优
云掣YUNCHE·2023-12-24 03:44

Hive优化

Hive优化Hive的存储层依托于HDFS，Hive的计算层依托于MapReduce，一般Hive的执行效率主要取决于SQL语句的执行效率，因此，Hive的优化的核心思想是MapReduce的优化。
新鲜氧气·2023-12-23 22:26

HIVE优化场景八-数据裁剪问题

场景八_数据裁剪问题1)记录数裁剪i.通过分区，分桶表的优势去构建分桶表的构建过程与使用：https://blog.csdn.net/qq_26803795/article/details/105205702分区表与分桶表本身就是一个一个优化策略。分区表更适用可以合理方式进行数据组织的列，比如每天的log日志，由于每天的数据都差不多，可以按分区进行组织！！分桶表适用于无法形成合理分区的场景，并且可
xuanxing123·2023-12-19 23:17

Hive优化

一、问题背景Hive离线数仓开发，一个良好的数据任务，它的运行时长一般是在合理范围内的，当发现报表应用层的指标数据总是产出延迟，排查定位发现是有些任务执行了超10小时这样肯定是不合理的，此时就该想想如何优化ETL任务链路，主要从以下几个角度来考虑问题解决：1、从数据任务本身Hive逻辑代码出发，即Hive逻辑优化，偏理解业务角度。2、从集群的资源设置出发，即Hive参数调优，偏理解技术角度。3、从
耗子背刀PK猫·2023-12-18 02:23

HIVE优化场景二--减少job数量

场景二.减少JOB的数量1)巧妙的使用UNIONALL减少JOB数量2)利用多表相同的JOIN关联条件字段，去减少JOB的数量1)巧妙的使用UNIONALL减少JOB数量假如如下的场景，我们需要统计每多张表的数据量。首先我们可以编写多条SQL进行统计，这样的效率不高。（没意义）或者我们采用UNIONALL的形式把多个结果合并起来，但是这样效率也比较低如：SELECT'a'AStype,COUNT(
xuanxing123·2023-12-16 08:27

大数据开发之Hive优化篇6-Hive on spark

备注:Hive版本2.1.1一.HiveonSpark介绍Hive是基于Hadoop平台的数据仓库，最初由Facebook开发，在经过多年发展之后，已经成为Hadoop事实上的SQL引擎标准。相较于其他诸如Impala、Shark（SparkSQL的前身）等引擎而言，Hive拥有更为广泛的用户基础以及对SQL语法更全面的支持。Hive最初的计算引擎为MapReduce，受限于其自身的Map+Red
只是甲·2023-11-23 12:06

07-Hive优化---高级部分3

一、Hive优化大数据的学习：1、学习工具及其原理（50%~70%）2、学习重要的（java、scala、python、sql[mysql\hivesql\sparksql\flinksql]）(30%
YuPangZa·2023-11-20 12:24

Hive优化

文章目录1.CBO优化2.谓词下推3.矢量化查询优化4.Fetch抓取优化5.本地模式6.并行执行7.严格模式1.CBO优化#启用CBO优化sethive.cbo.enable=true;2.谓词下推通俗的来讲就是，在不影响最终结果的情况下，将where条件提前，减少后续数据的量。#开启谓词下推sethive.optimize.pdd=true;3.矢量化查询优化如下图，矢量化计算简单来说就是将每
肥大毛·2023-11-01 04:13

大数据学习(13)-join优化详解

:承认自己的无知，乃是开启智慧的大门如果觉得博主的文章还不错的话，请点赞+收藏⭐️+留言支持一下博>主哦MapJoinMapJoin有两种触发方式，一种是用户在SQL语句中增加hint提示，另外一种是Hive
viperrrrrrr·2023-10-20 18:40

hive插入多条数据sql_30分钟入门 Hive SQL（HQL 入门篇）

HiveSQL几乎是每一位互联网分析师的必备技能，相信每一位面试过大厂的童鞋都有被面试官问到Hive优化问题的经历。
高中物理宋老师·2023-10-20 01:53

Hive优化--小文件合并

小文件合并优化，分别是Map端输入的小文件合并和Reduce端输出的小文件合并。Map端输入文件合并合并Map端输入的小文件，是指将多个小文件划分到一个切片中，进而由一个MapTask去处理。目的是防止为单个小文件启动一个MapTask，浪费计算资源--可将多个小文件切片，合并为一个切片，进而由一个map任务处理sethive.input.format=org.apache.hadoop.hive
谨言&慎独·2023-10-13 08:59

七、Hive数据仓库应用之Hive优化（超详细步骤指导操作，WIN10，VMware Workstation 15.5 PRO，CentOS-6.7）

Hive远程模式部署参考：一、Hive数据仓库应用之Hive部署（超详细步骤指导操作，WIN10，VMwareWorkstation15.5PRO，CentOS-6.7）文章目录一、Hive存储优化二、Hive参数优化1、配置MapReduce压缩2、配置Map个数3、配置reduce个数4、配置合并文件5、配置并行执行6、配置本地模式7、配置分组三、HiveQL语句优化技巧一、Hive存储优化H
七层楼的疯子·2023-09-28 19:52

BD就业复习第五天

1.核心组件的优化：hive、spark、flink针对Hive、Spark和Flink这三个核心组件，以下是它们的优化和一些常见面试题以及详细的回答：1.Hive优化面试问题1：什么是Hive？
密斯特.张先生·2023-09-22 12:48

Hive 优化建议与策略

目录编辑一、Hive优化总体思想二、具体优化措施、策略2.1分析问题得手段2.2Hive的抓取策略2.2.1策略设置2.2.2策略对比效果2.3Hive本地模式2.3.1设置开启Hive本地模式2.3.2
夜夜流光相皎洁_小宁·2023-09-21 05:18

13.107.最全的Hive 优化方案汇总：临时参数的作用域、切分大文件、合并小文件、设置 Map 和 Reduce 的内存大小、设置 Map 和 Reduce 的堆大小设置 等

13.107.最全的Hive优化方案汇总：1.1.8.临时参数的作用域：1.1.10.切分大文件1.1.11.合并小文件1.1.12.设置Map和Reduce的内存大小1.1.13.设置Map和Reduce
涂作权的博客·2023-09-01 06:02

hive优化

文章目录数据压缩存储方式行存储列存储Fetch抓取本地模式join优化join的三种方式map-sidejoin(mapjoin)reduce-sidejoin(Commonjoin)sortmergebucketjoin(SMBjoin)开启方式sql优化列裁剪分区裁剪先分组再统计避免笛卡尔积groupby数据倾斜动态分区调整MR任务数调整MapTask任务数调整ReduceTask任务数并行执
火 玄·2023-08-26 19:05

大数据之Hive总结篇及Hive优化

Hive学习也有一段时间了，今天来对Hive进行一个总结，谈谈自己的理解，作者还是个小白，有不对的地方请大家指出相互学习，共同进步。今天来谈一谈什么是Hive，产生背景，优势等一系列问题。什么是Hive先来谈谈自己的理解：有些人可能会说Hive不就是写SQL的吗，那我们其实可以从另一个角度来理解:Hive就是那么强大啊，只要写SQL就能解决问题，其实这些人说的也没错Hive确实就是写SQL的，对于
juan777·2023-08-24 04:14

Hive碎碎念（6）：HIVE优化

转载请在文章起始处注明出处，谢谢。Hive是将符合SQL语法的字符串解析生成可以在Hadoop上执行的MapReduce的工具。使用Hive尽量按照分布式计算的一些特点来设计sql，和传统关系型数据库有区别，所以需要去掉原有关系型数据库下开发的一些固有思维。基本原则：1、尽量尽早地过滤数据，减少每个阶段的数据量,对于分区表要加分区，同时只选择需要使用到的字段select...fromAjoinBo
xxlee·2023-08-18 18:23

HIVE优化之不需要参数优化

#1.数据倾斜什么是数据倾斜？一部分数据多一部分数据少造成的结果：MR运行过慢主要是shuffle和reduce过程慢分组聚合导致数据倾斜Hive未优化的分组聚合方法1：在MAP端直接聚合（分组聚合优化），减少KeyMR失败方法2：随机数，按随机数放入reduce中解决数据倾斜第二个Jobs按分组字段分区因为生成随机了，所以按方法1和方法2一起用是不影响的先进行聚合然后按随机数分配reduce再启
叫我莫言鸭·2023-08-08 00:55

Hive优化

分区，分桶避免全局扫描列式存储，加快计算速度采用压缩，减少磁盘IO谓词下推，行列过滤(select*)，列剪裁，CBO优化(对于计算成本的优化，比如join的顺序)开启map-side针对groupby，数据量大的可以提前预聚合开启map-join大表join小表场景开启分桶joinSMB两张表必须是分桶表分桶数量必须整数倍分桶字段必须是关联字段开启skew-join，如果检测到有key比较多的，
青云游子·2023-08-02 05:42

「Hive进阶篇」详解存储格式及压缩方式

一、前言hive优化除了有hql语句逻辑优化，hql参数调优等等，还有一个不起眼的细节容易被忽视掉，那便是hive数仓模型表的存储格式和压缩方式，hive底层数据是依托在hadoop，以HDFS文件存储在集群上的
大数据阶梯之路·2023-07-31 00:38

Hive4

p26-p30Hive优化_GroupBy：并不是所有聚合操作都在reduce端完成，很多聚合操作可以在map端执行，然后在reduce端得到最终结果（1）Map是否需要聚合设置为true:sethive.map.aggr
李导·2023-07-22 18:49

SQL_SQL_常见面试问题

思路：主要注意预计算，避免直接去重解决方案：Hive_HQL_Hive优化_复杂SQL_观看不同视频个数的前5名_sql观看视频数最多的前五名用户_高达一号的博客-CSDN博客问题类型：窗口函数使用问题求连续
高达一号·2023-07-22 08:37

Hive优化实践1-数据倾斜及join无关的优化

Hive的优化分为join相关的优化和join无关的优化，从项目的实际来说，join相关的优化占了Hive优化的大部分内容，而join相关的优化又分为mapjoin可以解决的join优化和mapjoin
多彩海洋·2023-07-18 19:59

Hive优化

1.HQL优化思路  Hive的优化主要分为：配置优化、SQL语句优化、任务优化等方案。其中在开发过程中主要涉及到的可能是SQL优化这块。优化的核心思想是：减少数据量（例如分区、列剪裁）避免数据倾斜（例如加参数、Key打散）避免全表扫描（例如on添加加上分区等）减少job数（例如相同的on条件的join放在一起作为一个任务）2.HQL语句优化1.使用分区剪裁、列剪裁  在分区剪裁中，当使用外关联时
独影月下酌酒·2023-07-15 16:19

大数据常见面试题

1.hive优化2.数据倾斜3.小文件问题4.项目中用到的重点指标(至少3个)，要非常熟悉，能说出怎么建的表，怎么算的5.MySQL事务底层原理，MVCC6.拉链表，累积型事务事实表7.数据治理项目，离线数仓
青云游子·2023-07-15 13:56

Hive进阶篇」万字长文超详述hive企业级优化

肝了几个晚上，梳理总结了一份万字长文超详述hive企业级优化文章，也整理了一份hive优化总结思维导图和hive优化详细PDF文档，有需要可关注公众号《大数据阶梯之路》找小编获取，学习和复习都是绝佳，公众号不断分享技术相关文章
thy822·2023-06-13 17:32

「Hive进阶篇」万字长文超详述hive企业级优化

肝了几个晚上，梳理总结了一份万字长文超详述hive企业级优化文章，也整理了一份hive优化总结思维导图和hive优化详细PDF文档，有需要可关注公众号《大数据阶梯之路》找小编获取，学习和复习都是绝佳，公众号不断分享技术相关文章
大数据阶梯之路·2023-06-13 17:00

hive优化

命令explain(sql语句)查看MRexplainextended(sql语句)查看参数的MR更详细了一点4种排序orderby全局排序sortbyMR中reduce有序distributeby中分区内有序clusterby相当于sortby和distributeby结合，用同一个字段排序，不过不能desc总结orderby是全局排序，sortby是组内排序。distributebysortb
编程爱上我吧·2023-06-13 01:13

12、Hive优化-文件存储格式和压缩格式优化与job执行优化（执行计划、MR属性、join、优化器、谓词下推和数据倾斜优化）详细介绍及示例

ApacheHive系列文章1、apache-hive-3.1.2简介及部署（三种部署方式-内嵌模式、本地模式和远程模式）及验证详解2、hive相关概念详解–架构、读写文件机制、数据存储3、hive的使用示例详解-建表、数据类型详解、内部外部表、分区表、分桶表4、hive的使用示例详解-事务表、视图、物化视图、DDL(数据库、表以及分区)管理详细操作5、hive的load、insert、事务表使用
一瓢一瓢的饮 alanchan·2023-06-12 12:11

大数据面试题总结

又扯了一下分层3.说一下数据倾斜(1)没回答好，hive只说了groupbyflink说了一下keyby的三种情况4.说一下hive小文件问题1.介绍了一下最近的项目，说的实时架构，又说了一下建模2.问hive
添柴少年yyds·2023-06-10 04:03

大数据面试题

又扯了一下分层3.说一下数据倾斜(1)没回答好，hive只说了groupbyflink说了一下keyby的三种情况4.说一下hive小文件问题1.介绍了一下最近的项目，说的实时架构，又说了一下建模2.问hive
添柴少年yyds·2023-06-10 04:02

Hive优化相关设置

参数hive.optimize.cp=true：列裁剪hive.optimize.prunner：分区裁剪hive.limit.optimize.enable=true：优化LIMITn语句hive.limit.row.max.size=1000000：hive.limit.optimize.limit.file=10：最大文件数1.本地模式(小任务)：需要满足以下条件：1.job的输入数据大小必
hiekay·2023-04-15 21:04

大数据 Apache Hive SQL基础（HQL 入门篇）

HiveSQL几乎是每一位互联网分析师的必备技能，相信每一位面试过大厂的童鞋都有被面试官问到Hive优化问题的经历。
Wis57·2023-04-06 18:20
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他