Hive 优化
1.核心思想：
把Hive SQL 当做Mapreduce程序去优化
以下SQL不会转为Mapreduce来执行
select仅查询本表字段
where仅对本表字段做条件过滤
Explain 显示执行计划
EXPLAIN [EXTENDED] query
2.Hive运行方式：
本地模式
集群模式
2.1开启本地模式：
set hive.exec.mode.local.auto=true;
2.2注意：
hive.exec.mode.local.auto.inputbytes.max #默认值为128M
表示加载文件的最大值，若大于该配置仍会以集群方式来运行！
3.并行计算
通过设置以下参数开启并行模式：
set hive.exec.parallel=true;
注意：hive.exec.parallel.thread.number=xxxxx
（一次SQL计算中允许并行执行的job个数的最大值）
4.严格模式
4.1通过设置以下参数开启严格模式：
set hive.mapred.mode=strict;
（默认为：nonstrict非严格模式）
4.2查询限制：
1、对于分区表，必须添加where对于分区字段的条件过滤；
2、order by语句必须包含limit输出限制；
3、限制执行笛卡尔积的查询。
5.Hive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）
6.Hive 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：
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;
开启自动的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：
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.mapjoin.smalltable.filesize;
默认值：true；是否忽略mapjoin hint 即mapjoin标记
hive.ignore.mapjoin.hint；
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;
6.6将多个mapjoin转化为一个mapjoin时，其表的最大值
hive.auto.convert.join.noconditionaltask.size;
7.Map-Side聚合
7.0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：
map端group by执行聚合时处理的多少行数据（默认：100000）
hive.groupby.mapaggr.checkinterval;
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.min.reduction：
map端聚合使用的内存的最大值
hive.map.aggr.hash.percentmemory：
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.map.aggr.hash.force.flush.memory.threshold：
是否对GroupBy产生的数据倾斜做优化，默认为false
hive.groupby.skewindata
8.控制Hive中Map以及Reduce的数量
8.1Map数量相关的参数
一个split的最大值，即每个map处理文件的最大值
mapred.max.split.size
一个节点上split的最小值
mapred.min.split.size.per.node
一个机架上split的最小值
mapred.min.split.size.per.rack
8.2Reduce数量相关的参数
强制指定reduce任务的数量
mapred.reduce.tasks
每个reduce任务处理的数据量
hive.exec.reducers.bytes.per.reducer
每个任务最大的reduce数
hive.exec.reducers.max
9.Hive - JVM重用
9.1适用场景：
1、小文件个数过多
2、task个数过多
通过下面参数来设置
set mapred.job.reuse.jvm.num.tasks=n;
（n为task插槽个数）
9.2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！