使用Hive的注意点

1.字符集

Hadoop和Hive都是用UTF-8编码的，所以, 所有中文必须是UTF-8编码, 才能正常使用。

备注：中文数据load到表里面, 如果字符集不同，很有可能全是乱码需要做转码的, 但是hive本身没有函数来做这个

2.压缩

hive.exec.compress.output 这个参数, 默认是 false，但是很多时候貌似要单独显式设置一遍否则会对结果做压缩的，如果你的这个文件后面还要在hadoop下直接操作, 那么就不能压缩了。

3.count(distinct)

当前的 Hive 不支持在一条查询语句中有多 Distinct。如果要在 Hive 查询语句中实现多Distinct，需要使用至少 n+1 条查询语句（n为distinct的数目），前 n 条查询分 别对 n 个列去重，最后一条查询语句对 n 个去重之后的列做 Join 操作，得到最终结果。

4.JOIN

Hive 只支持等值连接（equality joins）、外连接（outer joins）和（left/right joins）;Hive不支持非等值连接、因为非等值连接非常难传到map/reduce任务。Hive支持多于两个表的连接

注意：

1.将条目少的表或子查询放在Join操作符的左边。在join操作的reduce阶段、位于join操作符左边的表的内容会被加载进内存、将条目少的表放在左边，可以有效减少发生OOM错误的几率（内存溢出）。

2.join的key相同，不管多少表，都合并成一个MR任务；join的key不相同，MR的任务数等于join操作的数；

3.MapJoin，join操作在Map阶段完成，不再需要Reduce任务，前提需要数据在Map端可以访问。

5.怎样决定Reducer的个数

参数1：hive.exec.reducers.bytes.per.reducer =1000^3（默认）

参数2：hive.exec.reducers.max=999（默认）

N=min（参数2，总输入数据量/参数1）。根据经验：参数2设定为0.95*集群中TaskTracker的个数

6.Hive不支持where中的子查询，不支持Having，不支持Update和Delete。