- 综合排序
- 最热优先
- 最新优先
- 来自专栏小道
Hive参数调优
的方式 set hive.exec.mode.local.auto.tasks.max=10; 当这三个参数同时成立时候，才会采用本地mr. = 16; SET mapred.job.reuse.jvm.num.tasks = 10; SET hive.exec.dynamic.partition = true; SET hive.optimize.cp =false; 九、Hive调优配置项合集 参数 作用 hive.ddl.output.format hive的ddl语句的输出格式，默认是text，纯文本，还有json格式，这个是0.90以后才出的新配置 每个reducer的大小，默认是1G，输入文件如果是10G，那么就会起10个reducer； hive.exec.reducers.max reducer的最大个数，如果在mapred.reduce.tasks ：使用简单limit查询数据子集时，可抽样的最大文件数，默认是10； hive.limit.optimize.enable：使用简单limit抽样数据时是否开启优化选项，默认是false，关于limit
2.2K30发布于 2021-04-13 Hive调优总结
代码级别的调优 友情提示：小编扛着发烧写完这详细的总结，请一定要给一键三连呀各位大佬 explain 与 explain exented 优化 ```powershell explain select 任务越复杂，Hql代码越复杂，stage数量越多，程序运行的时间越长 join 优化 hive的查询永远都是小表（结果集）驱动大表（结果集） hive中的on连接只能是等值连接 注意点：hive是否配置普通的 =10 hive.limit.optimize.enable=false(如果limit较多时可以开启) hive.limit.optimize.fetch.max=50000 本地模式 hive.exec.mode.local.auto =org.apache.hadoop.hive.ql.io.CombineHiveInputFormat set mapreduce.job.reduces=10 hive.exec.reducers.max ，UDAF是多行处理，还有UDTF表级别的输出 5.合理减少job和task的数量 6.小表去join大表 7.大表join大表，过滤空key 8.设置并行数 9.设置关闭推测执行 10.设置索引 11
10910编辑于 2026-06-18- 来自专栏大数据仓库建设
hive mapreduce reducer 调优
hive参数配置详情可查官方文档：Hive Configuration+Properties 本文针对 reducer 调优，主要涉及一下三个参数： hive.exec.reducers.bytes.per.reducer In: Hive 0.2.0; default changed in 0.14.0 with HIVE-7158 (and HIVE-7917) Size per reducer. The default in Hive 0.14.0 and earlier is 1 GB, that is, if the input size is 10 GB then 10 reducers =1024000000 临时调参： hive> set hive.exec.reducers.bytes.per.reducer=15364000000; hive> set hive.exec.reducers.bytes.per.reducer 查看配置的默认值： hive> set hive.exec.reducers.max; hive.exec.reducers.max=1099 临时调参： hive> set hive.exec.reducers.max
3.3K20发布于 2019-03-14 - 来自专栏大数据成神之路
Hive性能调优 | 数据倾斜
往期回顾之Hive性能调优系列： Hive性能调优 | Fetch抓取 Map数 通常情况下，作业会通过input的目录产生一个或者多个map任务。 主要的决定因素有：input的文件总个数，input的文件大小，集群设置的文件块大小(目前为128M，可在hive中通过set dfs.block.size;命令查看到，该参数不能自定义修改)； 举例： b) 多个小文件：假设input目录下有3个文件a，b，c大小分别为10m，20m，150m，那么hadoop会分隔成4个块（10m，20m，128m，22m），从而产生4个map数。 10个文件的a_1表中，再用a_1代替上面sql中的a表，则会用10个map任务去完成。 =256123456 b） 每个任务最大的reduce数，默认为1009 hive.exec.reducers.max=1009 c）计算reducer数的公式 N=min(参数2，总输入数据量/参数1
1K10发布于 2020-11-06 - 来自专栏大数据成神之路
Hive性能调优 | Fetch抓取
mr的方式，默认为4 set hive.exec.mode.local.auto.input.files.max=10; 案例实操: 开启本地模式，并执行查询语句 hive (default)> set delimited fields terminated by '\t'; load data local inpath '/home/admin/softwares/data/100万条大表数据（id除以10 data/加递增id的原始数据/ori' into table ori; load data local inpath '/home/admin/softwares/data/100万条大表数据（id除以10 table bigtable; 先关联再Where： SELECT a.id FROM bigtable a LEFT JOIN ori b ON a.id = b.id WHERE b.id <= 10 ; 正确的写法是写在ON后面：先Where再关联 SELECT a.id FROM ori a LEFT JOIN bigtable b ON (b.id <= 10 AND a.id = b.id);
83330发布于 2020-11-06 - 来自专栏Spark学习技巧
Hive on Spark参数调优姿势小结
前言 Hive on Spark是指使用Spark替代传统MapReduce作为Hive的执行引擎，在HIVE-7292提出。 Hive on Spark的效率比on MR要高不少，但是也需要合理调整参数才能最大化性能，本文简单列举一些调优项。为了符合实际情况，Spark也采用on YARN部署方式来说明。 若我们一共有10台32C/128G的节点，并按照上述配置（即每个节点承载7个Executor），那么理论上讲我们可以将spark.executor.instances设为70，以使集群资源最大化利用。 Hive参数 绝大部分Hive参数的含义和调优方法都与on MR时相同，但仍有两个需要注意。 而hive.auto.convert.join.noconditionaltask.size这个参数就是map join转化的阈值，在Hive on MR下默认为10MB。
4.7K30发布于 2020-09-16 - 来自专栏Lansonli技术博客
2021年大数据Hive（十一）：Hive调优
Hive调优 一、本地模式 大多数的Hadoop Job是需要Hadoop提供的完整的可扩展性来处理大数据集的。不过，有时Hive的输入数据量是非常小的。 用户可以通过设置hive.exec.mode.local.auto的值为true，来让Hive在适当的时候自动启动这个优化。 local mr的方式，默认为4 set hive.exec.mode.local.auto.input.files.max=10; 案例实操： --1）开启本地模式，并执行查询语句 hive (default 三、并行执行 Hive会将一个查询转化成一个或者多个阶段。这样的阶段可以是MapReduce阶段、抽样阶段、合并阶段、limit阶段。或者Hive执行过程中可能需要的其他阶段。 四、严格模式 Hive提供了一个严格模式，可以防止用户执行那些可能意向不到的不好的影响的查询。 通过设置属性hive.mapred.mode值为默认是非严格模式nonstrict 。
1K20发布于 2021-10-11 - 来自专栏五分钟学大数据
Hive SQL 参数与性能调优
但是如果我们只局限于会使用Hive，而不考虑性能问题，就难搭建出一个完美的数仓，所以Hive性能调优是我们大数据从业者必须掌握的技能。本文将给大家讲解Hive参数与性能调优的一些方法及技巧。 1. JVM优化 JVM重用是Hadoop调优参数的内容，其对Hive的性能具有非常大的影响，特别是对于很难避免小文件的场景或task特别多的场景，这类场景大多数执行时间都很短。 =true 关于调优这些推测执行变量，还很难给一个具体的建议。 Hive的数据倾斜一般的处理方案： 常见的做法，通过参数调优： set hive.map.aggr=true; set hive.groupby.skewindata = ture; 当选项设定为 其他参数调优 开启CLI提示符前打印出当前所在的数据库名 set hive.cli.print.current.db=true; 让CLI打印出字段名称 hive.cli.print.header=true
1.9K21编辑于 2022-04-07 - 来自专栏岑玉海
Hive Tuning(五) 标准调优清单
Hive的标准调优清单，我们可以对照着来做我们的查询优化！
888100发布于 2018-03-01 - 来自专栏Hadoop实操
0924-Hive on Tez性能调优
调优Hive on Tez查询没有一个通用的方法，查询的性能取决于数据的大小、文件类型、查询设计和查询模式。 1 通用调优 有时从CDH升级到CDP后，会发现Hive on Tez作业会比老的MR或者Spark要慢，这往往是因为没有对Tez作业进行调优导致的，另外在老的CDH平台中，因为一般都持续稳定运行一段时间了 建议将其设置为 hive.tez.container.size 的 10%。 8 总结 Hive on Tez查询性能分析的第一步是检查Hive 和 Hive on Tez 服务的一些关键配置，然后对于一些SQL查询作业一般需要set一些参数来进行特定的性能调优，大部分参数在本文都列出来了 对于一些复杂SQL的调优，或者运行故障往往还需要对SQL的写法进行调整。
2.1K20编辑于 2024-05-18 - 来自专栏不温卜火
Hive快速入门系列(19) | Hive性能调优 JVM重用
此次博主为大家带来的是Hive性能调优中的JVM重用。 JVM重用是Hadoop调优参数的内容，其对Hive的性能具有非常大的影响，特别是对于很难避免小文件的场景或task特别多的场景，这类场景大多数执行时间都很短。 通常在10-20之间，具体多少需要根据具体业务场景测试得出。 <property> <name>mapreduce.job.jvm.numtasks</name> <value>10</value> <description>How many tasks
73720发布于 2020-10-28 - 来自专栏不温卜火
Hive快速入门系列(17) | Hive性能调优 并行执行
此次博主为大家带来的是Hive性能调优中的并行执行。 Hive会将一个查询转化成一个或者多个阶段。这样的阶段可以是MapReduce阶段、抽样阶段、合并阶段、limit阶段。 或者Hive执行过程中可能需要的其他阶段。默认情况下，Hive一次只会执行一个阶段。 通过设置参数hive.exec.parallel值为true，就可以开启并发执行。不过，在共享集群中，需要注意下，如果job中并行阶段增多，那么集群利用率就会增加。 set hive.exec.parallel=true; //打开任务并行执行 set hive.exec.parallel.thread.number=16; //同一个sql
1.3K10发布于 2020-10-28 - 来自专栏不温卜火
Hive快速入门系列(18) | Hive性能调优 严格模式
此次博主为大家带来的是Hive性能调优中的严格模式。 Hive提供了一个严格模式，可以防止用户执行那些可能意想不到的不好的影响的查询。 通过设置属性hive.mapred.mode值为默认是非严格模式nonstrict 。开启严格模式需要修改hive.mapred.mode值为strict，开启严格模式可以禁止3种类型的查询。 <property> <name>hive.mapred.mode</name> <value>strict</value> <description> The mode in which the Hive operations are being performed. 不幸的是，Hive并不会执行这种优化，因此，如果表足够大，那么这个查询就会出现不可控的情况。 好了，本次的分享到这里就结束了！！
1.2K20发布于 2020-10-28 - 来自专栏不温卜火
Hive快速入门系列(16) | Hive性能调优 数据倾斜
此次博主为大家带来的是Hive性能调优中的数据倾斜。 一. 合理设置Map及Reduce数 1.通常情况下，作业会通过input的目录产生一个或者多个map任务。 设置最大切片值为100个字节 hive (default)> set mapreduce.input.fileinputformat.split.maxsize=100; hive (default)> set hive.input.format= org.apache.hadoop.hive.ql.io.CombineHiveInputFormat; （2）在Map-Reduce的任务结束时合并小文件的设置 ： 在map-only任务结束时合并小文件，默认true SET hive.merge.mapfiles = true; 在map-reduce任务结束时合并小文件，默认false SET hive.merge.mapredfiles merge SET hive.merge.smallfiles.avgsize = 16777216; 四.
1.1K20发布于 2020-10-28 - 来自专栏大数据成神之路
Hive常用参数调优十二板斧
，20m，130m，那么hadoop会分隔成4个块（10m,20m,128m,2m）,从而产生4个map数 即，如果文件大于块大小(128m),那么会拆分，如果小于块大小，则把该文件当成一个块。 a表的记录，随机的分散到包含10个文件的a_1表中，再用a_1代替上面sql中的a表，则会用10个map任务去完成。 ; --10为重用个数 8.动态分区调整 动态分区属性：设置为true表示开启动态分区功能（默认为false） hive.exec.dynamic.partition=true; 动态分区属性：设置为nonstrict 配置 set hive.mapred.reduce.tasks.speculative.execution=true; 10.数据倾斜 表现：任务进度长时间维持在99%（或100%），查看任务监控页面， 其他参数调优 开启CLI提示符前打印出当前所在的数据库名 set hive.cli.print.current.db=true; 让CLI打印出字段名称 hive.cli.print.header=true
4K42发布于 2020-12-08 - 来自专栏Spark学习技巧
Hive常用参数调优十二板斧
，20m，130m，那么hadoop会分隔成4个块（10m,20m,128m,2m）,从而产生4个map数 即，如果文件大于块大小(128m),那么会拆分，如果小于块大小，则把该文件当成一个块。 a表的记录，随机的分散到包含10个文件的a_1表中，再用a_1代替上面sql中的a表，则会用10个map任务去完成。 ; --10为重用个数 8.动态分区调整 动态分区属性：设置为true表示开启动态分区功能（默认为false） hive.exec.dynamic.partition=true; 动态分区属性：设置为nonstrict 配置 set hive.mapred.reduce.tasks.speculative.execution=true; 10.数据倾斜 表现：任务进度长时间维持在99%（或100%），查看任务监控页面， 其他参数调优 开启CLI提示符前打印出当前所在的数据库名 set hive.cli.print.current.db=true; 让CLI打印出字段名称 hive.cli.print.header=true
1.8K10编辑于 2022-03-14 - 来自专栏不温卜火
Hive快速入门系列(20) | Hive性能调优 推测执行
此次博主为大家带来的是Hive性能调优中的推测执行。 </description> </property> 不过hive本身也提供了配置项来控制reduce-side的推测执行：默认是true <property> <name>hive.mapred.reduce.tasks.speculative.execution </description> </property> 关于调优这些推测执行变量，还很难给一个具体的建议。如果用户对于运行时的偏差非常敏感的话，那么可以将这些功能关闭掉。
77720发布于 2020-10-28 - 来自专栏cwl_Java
快速学习-Hive企业级调优
第 9 章 企业级调优 9.1 Fetch 抓取 Fetch 抓取是指，Hive 中对某些情况的查询可以不必使用 MapReduce 计算。 local mr的方式，默认为 4 set hive.exec.mode.local.auto.input.files.max=10; 案例实操： 1）开启本地模式，并执行查询语句 hive (default 9.7 JVM 重用 JVM 重用是 Hadoop 调优参数的内容，其对 Hive 的性能具有非常大的影响，特别是对于很难避免小文件的场景或 task 特别多的场景，这类场景大多数执行时间都很短。 通常在 10-20 之间，具体多少需要根据具体业务场景测试得出。 </description> </property> 关于调优这些推测执行变量，还很难给一个具体的建议。如果用户对于运行时的偏差非常敏感的话，那么可以将这些功能关闭掉。
1.2K20发布于 2020-02-21 - 来自专栏大数据成长之路
Hive性能调优之JVM重用(5)
JVM重用是Hadoop调优参数的内容，其对Hive的性能具有非常大的影响，特别是对于很难避免小文件的场景或task特别多的场景，这类场景大多数执行时间都很短。 通常在10-20之间，具体多少需要根据具体业务场景测试得出。 <property> <name>mapreduce.job.jvm.numtasks</name> <value>10</value> <description>How many tasks </description> </property> 我们也可以在hive当中通过 set mapred.job.reuse.jvm.num.tasks=10; 这个设置来设置我们的
1.1K10发布于 2021-01-22 hive企业级调优顶级方案
代码级别的调优 友情提示：小编扛着发烧写完这详细的总结，请一定要给一键三连呀各位大佬 explain 与 explain exented 优化 ```powershell explain select 任务越复杂，Hql代码越复杂，stage数量越多，程序运行的时间越长 join 优化 hive的查询永远都是小表（结果集）驱动大表（结果集） hive中的on连接只能是等值连接 注意点：hive是否配置普通的 =10 hive.limit.optimize.enable=false(如果limit较多时可以开启) hive.limit.optimize.fetch.max=50000 本地模式 hive.exec.mode.local.auto =org.apache.hadoop.hive.ql.io.CombineHiveInputFormat set mapreduce.job.reduces=10 hive.exec.reducers.max 6.小表去join大表 7.大表join大表，过滤空key 8.设置并行数 9.关闭推测执行 10.设置索引 11.在where字句中增加分区过滤器 12.当表为分区表时，where字句后没有分区字段和限制时
7810编辑于 2026-06-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号