- 综合排序
- 最热优先
- 最新优先
- 来自专栏小道
Hive参数调优
=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 hive.exec.plan hive执行计划的文件路径，默认是null，会在运行时自动设置，形如hdfs://xxxx/xxx/xx； hive.exec.scratchdir hive用来存储不同阶段的 的子类，默认是org.apache.hadoop.hive.ql.log.PerfLogger； hive.start.cleanup.scratchdir：当启动hive服务时是否清空hive的scratch ； hive.files.umask.value：hive创建文件夹时的dfs.umask值，默认是0002； hive.metastore.local：控制hive是否连接一个远程metastore ：hive的提示里是否包含当前的db，默认是false； hive.hbase.wal.enabled：写入hbase时是否强制写wal日志，默认是true； hive.hwi.war.file：hive
2K30发布于 2021-04-13 - 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. 官方默认值：1G 查看配置的默认值： hive> set hive.exec.reducers.bytes.per.reducer; hive.exec.reducers.bytes.per.reducer =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： map数量需要遵循两个原则：使大数据量利用合适的map数；使单个map任务处理合适的数据量； 调整reduce数 调整reduce个数方法一 a） 每个Reduce 处理的数据量默认是256MB hive.exec.reducers.bytes.per.reducer =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
96010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
我们在刚开始学习hive的时候,都知道hive可以降低程序员的学习成本和开发成本,具体表现就在于可以将SQL语句转换成MapReduce程序运行。 在hive-default.xml.template文件中hive.fetch.task.conversion默认是more，老版本hive默认是minimal，该属性修改为more以后，在全局查找、字段查找 hive (default)> set hive.fetch.task.conversion=none; hive (default)> select * from score; hive (default hive (default)> set hive.fetch.task.conversion=more; hive (default)> select * from score; hive (default (1.568 seconds) 关闭本地模式，并执行查询语句 hive (default)> set hive.exec.mode.local.auto=false; hive (default)>
76030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。 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。 hive.auto.convert.join.noconditionaltask.size 我们知道，当Hive中做join操作的表有一方是小表时，如果hive.auto.convert.join和hive.auto.convert.join.noconditionaltask hive.merge.sparkfiles 小文件是HDFS的天敌，所以Hive原生提供了合并小文件的选项，在on MR时是hive.merge.mapredfiles，但是on Spark时会改成hive.merge.sparkfiles
4.6K30发布于 2020-09-16 - 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
1.7K21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！
849100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 由以下两个属性控制： • hive.prewarm.enabled • hive.prewarm.numcontainers 7 通用Tez调优参数 在处理Hive on Tez查询性能问题时，可以优先检查以下参数 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。
1.8K20编辑于 2024-05-18 - 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。 )> set hive.exec.mode.local.auto=true; hive (default)> select * from score cluster by sid; 18 rows 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 。
92220发布于 2021-10-11 - 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.
98020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(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。
68820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(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。
73220发布于 2020-10-28 - 来自专栏Spark学习技巧
Hive常用参数调优十二板斧
hive.limit.optimize.enable=true --- 开启对数据源进行采样的功能 hive.limit.row.max.size --- 设置最小的采样容量 hive.limit.optimize.limit.file 本地模式 有时hive的输入数据量是非常小的。在这种情况下，为查询出发执行任务的时间消耗可能会比实际job的执行时间要多的多。对于大多数这种情况，hive可以通过本地模式在单台机器上处理所有的任务。 控制hive任务的reduce数： 1.Hive自己如何确定reduce数： reduce个数的设定极大影响任务执行效率，不指定reduce个数的情况下，Hive会猜测确定一个reduce个数，基于以下两个设定 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 set hive.merge.smallfiles.avgsize=16000000 设置如下参数取消一些限制(HIVE 0.7后没有此限制)： hive.merge.mapfiles=false 默认值
1.7K10编辑于 2022-03-14 - 来自专栏大数据成神之路
Hive常用参数调优十二板斧
hive.limit.optimize.enable=true --- 开启对数据源进行采样的功能 hive.limit.row.max.size --- 设置最小的采样容量 hive.limit.optimize.limit.file 本地模式 有时hive的输入数据量是非常小的。在这种情况下，为查询出发执行任务的时间消耗可能会比实际job的执行时间要多的多。对于大多数这种情况，hive可以通过本地模式在单台机器上处理所有的任务。 控制hive任务的reduce数： 1.Hive自己如何确定reduce数： reduce个数的设定极大影响任务执行效率，不指定reduce个数的情况下，Hive会猜测确定一个reduce个数，基于以下两个设定 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 set hive.merge.smallfiles.avgsize=16000000 设置如下参数取消一些限制(HIVE 0.7后没有此限制)： hive.merge.mapfiles=false 默认值
3.9K42发布于 2020-12-08 - 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。 hive (default)> set hive.fetch.task.conversion=none; hive (default)> select * from emp; hive (default hive (default)> set hive.fetch.task.conversion=more; hive (default)> select * from emp; 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。 </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。
1.1K20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。 </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 - 来自专栏大数据知识
Hive 大数据表性能调优
对于较小的数据集，这种性能技术可能不是必需的，但是为长期运行做一些额外的调优总是好的。 在本文中，我将讨论如何解决这些问题和性能调优技术，以提高 Hive 表的数据访问速度。 与 Cassandra 和 Spark 等其他大数据技术类似，Hive 是一个非常强大的解决方案，但需要数据开发人员和运营团队进行调优，才能在对 Hive 数据执行查询时获得最佳性能。 摄入的数据是原始数据，在摄入过程开始之前考虑所有调优因素非常重要。 组织 Hadoop 数据 第一步是组织 Hadoop 数据。我们从摄入/流作业开始。首先，需要对数据进行分区。 Hive 参数设置 当你通过 map-reduce 作业读取 Hive 表的数据时，有一些方便的调优参数。要了解更多关于这些调优参数的信息，请查阅 Hive调优参数。 统计数据 在不使用任何调优技术的情况下，从 Hive 表读取数据的查询时间根据数据量不同需要耗费 5 分钟到几个小时不等。 图 5：统计数据 合并之后，查询时间显著减少，我们可以更快地得到结果。
1.2K31编辑于 2021-12-07 - 来自专栏kk大数据
Hive 分桶表及其调优实战
from user_order; 执行之后，分桶表的 hdfs 如下： 可以看到每个分桶是一个文件，每个文件大概 5-6M 四、使用分桶表来优化 join 下面的开关需要打开以支持分桶表 set hive.auto.convert.sortmerge.join =true; set hive.optimize.bucketmapjoin = true; set hive.optimize.bucketmapjoin.sortedmerge = true; 然后执行一个
1.7K20编辑于 2022-05-16
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