Hive性能优化【核心思想、运行模式、并行计算】

一.核心思想

　　把HQL当做MapReduce程序去优化。

　　注意，以下SQL不会转为MapReduce执行：

　　　　1.select仅查询本表字段。

　　　　2.where仅对本表字段做条件过滤。

二.启动Hive

　　

　　备注：Hive依赖Zookeeper和HDFS，因此需要先开启！

三.Explain

　　Explain显示执行计划，Explain [EXTENDED] query

　　1.普通查询，不执行mapreduce任务

　　　　1.1.普通查询

　　　　

　　　　1.2.不带EXTENDED的Explain

　　　　

　　　　1.3.带EXTENDED的Explain

　　　　

　　2.执行count(*)，执行mapreduce

　　　　2.1 普通查询

　　　　

　　　　2.2不带EXTENDED的Explain

 　　　　

　　　 　

　　　　2.3带EXTENDED的Explain

　　　　

　　　　

　　　　

　　　　

四.Hive运行模式

　　1.本地模式

 　　　　1.查看默认配置

　　　　　　

　　　　　　默认为集群模式。

　　　　 2.设置本地模式

　　　　　　

　　　　3.查看设置成本地模式后对查询性能的影响

　　　　　　

　　　　　　注意：

　　　　　　　　1.与2.1普通查询比较，速度提升4倍左右，一般仅适用于本地测试！

　　　　　　　　2.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模式运行。

　　2.集群模式

五.并行计算

　　通过设置以下参数开启并行计算模式：set hive.exec.parallel=true;

　　注意：

　　　　1.hive.exec.parallel.thread.number【一次SQL计算中运行并行执行的job个数的最大值】

　　　　2.需要提前关闭本地模式。

　　1.默认情况，关闭本地模式：

　　　　

　　　　

　　　　

　　　　

　　2.开启并行计算

　　　　

　　　　

　　　　

　　　　

　　　　注意：性能大概提升25%，这主要和SQL是否可以并行执行有关！