优化 hive sql？

问答 ⋅ 大数据之王 ⋅ 于 2018-01-03 12:59:29 ⋅ 最后回复由青牛于 2018-01-03 13:31:19 ⋅ 4071 阅读

如何系统地优化 hive sql?
一般套路是啥？请大神不吝赐教。。

回复数量: 1

青牛海汼部落创始人，80后程序员一枚，曾就职于金山，喜欢倒腾技术做产品
⋅ 2018-01-03 13:31:19

join时小表使用map端join，当然现在新版的hive都是自动开启的
多使用子查询
分区表必须指定分区
数据格式使用ORC格式
查询小文件时使每个map读多个文件，避免产生过多的map
可以使用桶表做查询文件的限制
可以给无修改数据的hive表创建所引
使用窗口函数进可适用增加map或reducer的内存
mapper输出必须开启压缩
shuffle数据倾斜时使用随机key前缀均衡倾斜的key，当然对于数据倾斜最好的方案还是让被查询的表不倾斜。

暂时想到这么多，当然以上都是针对mapreducer计算引擎的。
hive on spark最主要是GC调优，shuffle的优化等等

请注意单词拼写，以及中英文排版，参考此页
支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`, 更多语法请见这里 Markdown 语法
支持表情，可用Emoji的自动补全, 在输入的时候只需要 ":" 就可以自动提示了 :metal: :point_right: 表情列表 :star: :sparkles:
上传图片, 支持拖拽和剪切板黏贴上传, 格式限制 - jpg, png, gif，教程
发布框支持本地存储功能，会在内容变更时保存，「提交」按钮点击时清空

Ctrl+Enter