Hive優化的方法有哪些

這篇文章主要為大家展示了“Hive優化的方法有哪些”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“Hive優化的方法有哪些”這篇文章吧。

一、整體架構優化
現在hive的整體框架如下，計算引擎不僅僅支持Map/Reduce，并且還支持Tez、Spark等。根據不同的計算引擎又可以使用不同的資源調度和存儲系統。
 

整體架構優化點：

1、根據不同業務需求進行日期分區，并執行類型動態分區。
相關參數設置：
0.14中默認hive.exec.dynamic.partition=ture

2、為了減少磁盤存儲空間以及I/O次數，對數據進行壓縮
相關參數設置：
job輸出文件按照BLOCK以Gzip方式進行壓縮。

map輸出結果也以Gzip進行壓縮。

對hive輸出結果和中間結果進行壓縮。

3、hive中間表以SequenceFile保存，可以節約序列化和反序列化的時間

相關參數設置：
hive.query.result.fileformat=SequenceFile

4、yarn優化，在此不再展開，后面專門介紹。

二、MR階段優化

hive操作符有：
 

執行流程為：
 

reduce切割算法：

相關參數設置，默認為：
hive.exec.reducers.max=999
hive.exec.reducers.bytes.per.reducer=1G 
reduce task num=min{reducers.max,input.size/bytes.per.reducer}，可以根據實際需求來調整reduce的個數。

三、JOB優化
1、本地執行

默認關閉了本地執行模式，小數據可以使用本地執行模式，加快執行速度。
相關參數設置：
hive.exec.mode.local.auto=true 

默認本地執行的條件是，hive.exec.mode.local.auto.inputbytes.max=128MB， hive.exec.mode.local.auto.tasks.max=4，reduce task最多1個。 性能測試：
數據量（萬）     操作     正常執行時間（秒)     本地執行時間（秒）
170     group by     36     16
80     count     34     6

2、mapjoin

默認mapjoin是打開的， hive.auto.convert.join.noconditionaltask.size=10MB

裝載到內存的表必須是通過scan的表（不包括group by等操作），如果join的兩個表都滿足上面的條件，/*mapjoin*/指定表格不起作用，只會裝載小表到內存，否則就會選那個滿足條件的scan表。

四、SQL優化

整體的優化策略如下：

•     去除查詢中不需要的column

•     Where條件判斷等在TableScan階段就進行過濾

•     利用Partition信息，只讀取符合條件的Partition

•     Map端join，以大表作驅動，小表載入所有mapper內存中

•     調整Join順序，確保以大表作為驅動表

•     對于數據分布不均衡的表Group by時，為避免數據集中到少數的reducer上，分成兩個map-reduce階段。第一個階段先用Distinct列進行shuffle，然后在reduce端部分聚合，減小數據規模，第二個map-reduce階段再按group-by列聚合。

•     在map端用hash進行部分聚合，減小reduce端數據處理規模。

五、平臺優化
1、hive on tez
 

2、spark SQL大趨勢
 

以上是“Hive優化的方法有哪些”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！