Hive运维 — hive-site文件

为什么80%的码农都做不了架构师？>>>   

0. hive设置的优先级（从高到低）：

1. Hive set命令。

2. 命令行选择 -hiveconf

3. hive-site.xml

4. hive-default.xml

5. hadoop-site.xml(或者是core-site.xml   hdfs-site.xml  mapred-site.xml)

6. hadoop-default.xml(或者是core-default.xml   hdfs-default.xml  mapred-default.xml)。

7. hive的日志信息存放在 /tmp/$USER/hive.log，出错时hadoop的mapred task logs也可以查看，本环境在/tmp/nslab下查看。

     命令：hive  -hiveconf  hive.root.logger=DEBUG,console  将调试信息打印到控制台。

 

使用set的使用

1. 使用set查看设置的值：

       set hive.enforce.bucketing

2. 只输入一个set，会列出所有的设置。

3. 设置新的属性，格式类似下面：

     set  hive.enforce.bucketing=true;

1. 动态分区：

hive.exec.dynamic.partition

是否打开动态分区。

默认：false

 

hive.exec.dynamic.partition.mode

打开动态分区后，动态分区的模式，有 strict 和 nonstrict 两个值可选，strict 要求至少包含一个静态分区列，nonstrict 则无此要求。

默认：strict

 

hive.exec.max.dynamic.partitions

所允许的最大的动态分区的个数。

默认：1000

 

hive.exec.max.dynamic.partitions.pernode

单个 reduce 结点所允许的最大的动态分区的个数。

默认：100

 

hive.exec.default.partition.name

默认的动态分区的名称，当动态分区列为''或者null时，使用此名称。''

2. 打印列名, 开启行转列（有待测试）

set hive.cli.print.header=true;            // 打印列名

set hive.cli.print.row.to.vertical=true;   // 开启行转列功能, 前提必须开启打印列名功能

set hive.cli.print.row.to.vertical.num=1; // 设置每行显示的列数

3. 查看hive版本：

set hive.hwi.war.file;

 

4. 查看hive命令行字符编码：

hive.cli.encoding

Hive 默认的命令行字符编码。

默认: 'UTF8'

5. Hive  Fetch Task执行：

set hive.fetch.task.conversion=more;

对于简单的不需要聚合的类似SELECT <col> from <table> LIMIT n语句，不需要起MapReduce job，直接通过Fetch task获取数据（数据量过大， 也能 无 返回结果）

 

类似linux的vi,直接对文本进行操作。

也有点类似shark的列存储的操作： 放在同一个array里面，所以查询数据很快

 

hive.fetch.task.conversion

Hive 默认的mapreduce操作

默认: minimal

6. MapJoin

旧版本HIVE需要自行在查询/子查询的SELECT关键字后面添加/*+ MAPJOIN(tablelist) */提示优化器转化为MapJoin。高版本只需设置：

set hive.auto.convert.join=true;  

HIVE自行选择小表作为LEFT的左表。

7. Strict Mode：

hive.mapred.mode=true，严格模式不允许执行以下查询：

分区表上没有指定了分区

没有limit限制的order by语句

笛卡尔积：JOIN时没有ON语句

 

8. 并发执行任务：

设置该参数是控制在同一个sql中的不同的job是否可以同时运行，默认是false

hive.exec.parallel=true ，默认为false

hive.exec.parallel.thread.number=8

9. 负载均衡

hive.groupby.skewindata=true：数据倾斜时负载均衡，当选项设定为true，生成的查询计划会有两个MRJob。第一个MRJob 中，

Map的输出结果集合会随机分布到Reduce中，每个Reduce做部分聚合操作，并输出结果，这样处理的结果是相同的GroupBy Key

有可能被分发到不同的Reduce中，从而达到负载均衡的目的；第二个MRJob再根据预处理的数据结果按照GroupBy Key分布到

Reduce中（这个过程可以保证相同的GroupBy Key被分布到同一个Reduce中），最后完成最终的聚合操作。

10. hive.exec.rowoffset：是否提供虚拟列

11.  set hive.error.on.empty.partition=true;  那么动态分区如果为空，则会报异常

    set hive.error.on.empty.partition = true;
    set hive.exec.dynamic.partition.mode=nonstrict; 

   参考地址： http://my.oschina.net/repine/blog/541380

12. hive.merge.mapredfiles：合并小文件

    工作需要合并reduce产生文件：

    set hive.merge.smallfiles.avgsize=67108864;
    set hive.merge.mapfiles=true;
    set hive.merge.mapredfiles=true;

    参考地址： http://www.linuxidc.com/Linux/2015-06/118391.htm

1.先在hive-site.xml中设置小文件的标准. 

<property>
  <name>hive.merge.smallfiles.avgsize</name>
  <value>536870912</value>
  <description>When the average output file size of a job is less than this number, Hive will start an additional map-reduce job to merge the output files into bigger files.  This is only done for map-only jobs if hive.merge.mapfiles is true, and for map-reduce jobs if hive.merge.mapredfiles is true.</description>
</property>

2.为只有map的mapreduce的输出并合并小文件.

<property>
  <name>hive.merge.mapfiles</name>
  <value>true</value>
  <description>Merge small files at the end of a map-only job</description>
</property>

3.为含有reduce的mapreduce的输出并合并小文件.

<property>
  <name>hive.merge.mapredfiles</name>
  <value>true</value>
  <description>Merge small files at the end of a map-reduce job</description>
</property>

————————————————————————————————————

配置文件地址，可参考：http://www.68dl.com/2014/1207/18496.html

转载于:https://my.oschina.net/repine/blog/532235