- 查看执行计划
explain extended select count(name) from psn1;
- hive运行方式:
-本地模式
-集群模式
本地模式
开启本地模式

set hive.exec.mode.local.auto=true; 开启本地模式

tips:本地模式加载文件的默认最大值是128M,当大于这个配置时,仍会以集群模式来运行。
hive.exec.mode.local.auto.inputbvtes.max=128M
并行计算
未开启并行计算时执行下面代码 select t1.ct1,t2.ct2 from (select count(id) ct1 from psn1) t1, (select count(name) ct2 from psn1) t2;


在服务器资源足够用的时候可以开启并行计算,并行计算也建立在代码是否可以支持并行计算。
set hive.exec.parallel=true; 开启并行计算
set hive.exec.parallel.thread.number;
一次计算中并行执行的job个数的最大追

严格模式
防止用户误操作,可以开启严格模式,默认是不开启的
set hive.mapred.mode=strict/nonstrict 设置严格或非严格模式,和分区的严格模式不一样
设置严格模式后对mr查询的限制
-
- 对于分区表,必须添加where对于分区字段的条件过滤
- order by语句必须包含limit输出限制
- 限制执行笛卡尔积的查询

排序
Order By – 对于查询结果做全排序,只允许有一个reduce处理
(当数据量较大时,应慎用。严格模式下,必须结合limit来使用)
Sort By – 对于单个reduce的数据进行排序
Distribute By – 分区排序,经常和Sort By结合使用
Cluster By – 相当于 Sort By + Distribute By
(Cluster By不能通过asc、desc的方式指定排序规则;
可通过 distribute by column sort by column asc|desc 的方式)
join
Join计算时,将小表(驱动表)放在join的左边
Map Join:在Map端完成Join
两种实现方式:
1、SQL方式,在SQL语句中添加MapJoin标记(mapjoin hint)
语法:
SELECT /*+ MAPJOIN(smallTable) */ smallTable.key, bigTable.value
FROM smallTable JOIN bigTable ON smallTable.key = bigTable.key;
2、开启自动的MapJoin
自动的mapjoin
通过修改以下配置启用自动的mapjoin:
set hive.auto.convert.join = true;
(该参数为true时,Hive自动对左边的表统计量,如果是小表就加入内存,即对小表使用Map join)
相关配置参数:
hive.mapjoin.smalltable.filesize;
(大表小表判断的阈值,如果表的大小小于该值则会被加载到内存中运行)
hive.ignore.mapjoin.hint;
(默认值:true;是否忽略mapjoin hint 即mapjoin标记)
hive.auto.convert.join.noconditionaltask;
(默认值:true;将普通的join转化为普通的mapjoin时,是否将多个mapjoin转化为一个mapjoin)
hive.auto.convert.join.noconditionaltask.size;
(将多个mapjoin转化为一个mapjoin时,其表的最大值)
Map-Side聚合
通过设置以下参数开启在Map端的聚合:
set hive.map.aggr=true;
相关配置参数:
hive.groupby.mapaggr.checkinterval:
map端group by执行聚合时处理的多少行数据(默认:100000)
hive.map.aggr.hash.min.reduction:
进行聚合的最小比例(预先对100000条数据做聚合,若聚合之后的数据量/100000的值大于该配置0.5,则不会聚合)
hive.map.aggr.hash.percentmemory:
map端聚合使用的内存的最大值
hive.map.aggr.hash.force.flush.memory.threshold:
map端做聚合操作是hash表的最大可用内容,大于该值则会触发flush
hive.groupby.skewindata
是否对GroupBy产生的数据倾斜做优化,默认为false
控制Hive中Map以及Reduce的数量
Map数量相关的参数
mapred.max.split.size
一个split的最大值,即每个map处理文件的最大值
mapred.min.split.size.per.node
一个节点上split的最小值
mapred.min.split.size.per.rack
一个机架上split的最小值
Reduce数量相关的参数
mapred.reduce.tasks
强制指定reduce任务的数量
hive.exec.reducers.bytes.per.reducer
每个reduce任务处理的数据量
hive.exec.reducers.max
每个任务最大的reduce数
Hive – JVM重用
适用场景:
1、小文件个数过多
2、task个数过多
通过 set mapred.job.reuse.jvm.num.tasks=n; 来设置
(n为task插槽个数)
缺点:设置开启之后,task插槽会一直占用资源,不论是否有task运行,直到所有的task即整个job全部执行完成时,才会释放所有的task插槽资源!
记住这个网站了
最好再详细点
还可以
可以
我加你了哦