Hive优化整理
压缩格式
常见的压缩格式有Sequence File、RC、ORC、Parquet。生产环境中hive一般用orc,spark一般用parquet,snappy配合parquet性能最高。
注意点
1)orc格式的表不能通过load data导入数据
2)Sequence 可分割,与hadoop文件兼容
3)ORC快速存取,列压缩
Hive函数
内置函数
1.NVL( value,default_value) ,给值为 NULL 的数据赋值
2.CASE WHEN THEN ELSE END
CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END
说明:如果 a 等于 b,那么返回 c;如果 a 等于 d,那么返回 e;否则返回 f
3.CONCAT(string A/col, string B/col…):返回输入字符串连接后的结果,支持任意个输入
字符串;
4.CONCAT_WS(separator, str1, str2,…):它是一个特殊形式的 CONCAT()。第一个参数剩
余参数间的分隔符。分隔符可以是与剩余参数一样的字符串。如果分隔符是 NULL,返
回值也将为 NULL。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符
将被加到被连接的字符串之间;
5.COLLECT_SET(col):函数只接受基本数据类型,它的主要作用是将某字段的值进行去
重汇总,产生 array 类型字段。
6.EXPLODE(col):将 hive 一列中复杂的 array 或者 map 结构拆分成多行。
7.LATERAL VIEW
用法:LATERAL VIEW udtf(expression) tableAlias AS columnAlias
解释:用于和 split, explode 等 UDTF 一起使用,它能够将一列数据拆成多行数据,在此
基础上可以对拆分后的数据进行聚合。
8.OVER():指定分析函数工作的数据窗口大小,这个数据窗口大小可能会随着行的变而
变化。
CURRENT ROW:当前行
n PRECEDING:往前 n 行数据
n FOLLOWING:往后 n 行数据
UNBOUNDED:起点,UNBOUNDED PRECEDING 表示从前面的起点, UNBOUNDED
FOLLOWING 表示到后面的终点
LAG(col,n,default_val):往前第 n 行数据
LEAD(col,n, default_val):往后第 n 行数据
9.RANK() 排序相同时会重复,总数不会变
10.DENSE_RANK() 排序相同时会重复,总数会减少
11.ROW_NUMBER() 会根据顺序计算
12.NTILE(n):把有序分区中的行分发到指定数据的组中,各个组有编号,编号从 1 开始,
对于每一行,NTILE 返回此行所属的组的编号。注意:n 必须为 int 类型。用于将分组
数据按照顺序切分成 n 片,返回当前切片值,如果切片不均匀,默认增加第一个切片的
分布。