Hive优化

Hive优化

1.explain关键字：hive优化实际上是hadoop的 map reduce 优化，首先我们需要知道一条sql语句执行了哪几个步骤，hive和传统关系数据库一样也有个执行计划，用explain关键字可以看到完整的执行步骤。

2. 本地模式：当输入数据小于250M时候默认不调用 mapreduce，直接在本地机器执行计算hive.exec.mode.local.auto=true。

3.并行执行：执行一条sql的时候分成步骤，有的时候不是关联的，这种情况下可以并行执行。开启： hive.exec.parallel=true这个默认是关闭的。

4.严格模式：hive 默认情况下是不严格模式的。严格模式是对sql执行有要求 。

4.1、对于表分区查询的时候必须 where 表分区字段，必须指定表分区限制

4.2、order by必须加limit限制

4.3、join的时候必须用 on 关联不能用 where关联，用 where会进行笛卡尔积

5. 调整 map 和renduce 个数。

6.jvm 重用： 在hadoop2中是uber模式。

7.推测执行： hadoop说过，最好关掉。默认是开启的。

8. join优化 ：如果有小表我们开启join优化，可以进行map端 join。 

hive.auto.convert.join=ture，小表放左边。

hive 的数据倾斜  ：

Hive压缩

查看现有压缩包有几种

这里显示了四种：gzip，bzip，默认，snappy，最好的压缩格式是snappy，空间时间比较均衡，hive的压缩和hadoop是一样的，有中间压缩和输出压缩

压缩优点：减少空间.

        缺点：不能分割和消耗cpu。如果想分割根据大小文件 来压缩。

hive 的中间压缩的设置：可以在hive中设置也可以在 hadoop中设置 ，如果 hadoop设置了 hive中就不需设置了，我们来看在hive中开启中间压缩 hive-site.xml

开启以后如果不选择压缩格式就是默认压缩，一般情况下我们都要选择压缩格式，如果 hadoop里面配置了， 就不需要再配置了。配置如下：hive-site.xml

这些配置也可以在执行sql的时候配置：配置 hive环境变量用 set

例如 ：

指定压缩格式和开启中间压缩，上面说的是中间压缩。

输出结果压缩

hive 和 hadoop一样都可以对输出结果进行压缩,如果 hadoop设置了 hive就不用设置了，如果没有，可以用 hive进行设置,在 hive-site.xml 中添加：

这是在配置文件中添加 ，我们也可以在执行语句的时候添加：

直接在执行的用set 对这两个变量进行赋值，这种方法只对这个对话有效，配置文件对整个hive有效，如果设置hadoop中所有使用hadoop引擎的都有效。

hadoop内置的一种为了压缩可分割的文件格式是：sequence文件

用sequence文件 我们可以指定压缩方法比如按照行来压缩，按照block 来压缩

hadoop中可以设置的，hive中的配置文件设置是 ：

按照block压缩也就是128压缩一次，这个同样可以用set 执行语句的时候设置

现在有一种比较好的文件格式 parquet， hadoop本身不支持，需要额外jar包

更多关于hadoop，spark和机器学习文章请关注本文公众号：