Hive性能调优

最新推荐文章于 2024-09-25 10:36:14 发布

weixin_34092370

最新推荐文章于 2024-09-25 10:36:14 发布

阅读量63

点赞数

文章标签：大数据 python 数据库

原文链接：https://my.oschina.net/u/2381604/blog/799448

版权

2019独角兽企业重金招聘Python工程师标准>>>

1.limit限制调整 --因为使用limit语句时候，是先执行整个查询语句，然后再返回部分结果的 set hive.limit.optimize.enable=true; set hive.limit.row.max.size=10000; set hive.limit.optimize.limit.file=10;

2.JOIN优化。。。

本地模式 --hive尝试使用本地模式执行查询，要不然hive会使用MapReduce来执行其他所有的查询 set hive.exec.mode.local.auto=true;

4.并行执行 set hive.exec.parallel=true;

5.严格模式 --对分区表进行查询，在where子句中没有加分区过滤的话，将禁止提交任务(默认：nonstrict) set hive.mapred.mode=strict;

注：使用严格模式可以禁止3种类型的查询：（1）对于分区表，不加分区字段过滤条件，不能执行（2）对于order by语句，必须使用limit语句。（3）限制笛卡尔积的查询（join的时候不使用on，而使用where的）。

6.调整mapper和reducer个数 set hive.exec.reducers.max=(集群总reduce槽位个数*1.5)/(执行中的查询的平均个数)

7.JVM重用 set mapred.job.reuse.jvm.num.tasks=10; --10为重用个数

8.索引索引可以加快含有group by语句的查询的计算速度

9.动态分区调整 --动态分区属性：设置为true表示开启动态分区功能（默认为false） hive.exec.dynamic.partition=true;

--动态分区属性：设置为nonstrict,表示允许所有分区都是动态的（默认为strict） --设置为strict，表示必须保证至少有一个分区是静态的 hive.exec.dynamic.partition.mode=strict;

--动态分区属性：每个mapper或reducer可以创建的最大动态分区个数 hive.exec.max.dynamic.partitions.pernode=100;

--动态分区属性：一个动态分区创建语句可以创建的最大动态分区个数 hive.exec.max.dynamic.partitions=1000;

--动态分区属性：全局可以创建的最大文件个数 hive.exec.max.created.files=100000;

--控制DataNode一次可以打开的文件个数 --这个参数必须设置在DataNode的$HADOOP_HOME/conf/hdfs-site.xml文件中 <property> <name>dfs.datanode.max.xcievers</name> <value>8192</value> </property>

10.推测执行 --目的：是通过加快获取单个task的结果以及进行侦测将执行慢的TaskTracker加入到黑名单的方式来提高整体的任务执行效率

（1）修改 $HADOOP_HOME/conf/mapred-site.xml文件 <property> <name>mapred.map.tasks.speculative.execution </name> <value>true</value> </property> <property> <name>mapred.reduce.tasks.speculative.execution </name> <value>true</value> </property>

（2）修改hive配置 set hive.mapred.reduce.tasks.speculative.execution=true;

11.单个MapReduce中多个group by --多个group by操作组装到单个MapReduce任务中 set hive.multigroupby.singlemr=false;

12.虚拟列 --当hive产生了非预期的或null的时候，可以通过虚拟列进行诊断，判断哪行数据出现问题 INPUT__FILE__NAME （输入文件名） BLOCK__OFFSET__INSIDE__FILE （块内偏移量） ROW__OFFSET__INSIDE__BLOCK (行偏移量，需要设置hive.exec.rowoffset=true;启用)