hive 常用参数、参数优化

1、队列设置

首先要确定使用的计算引擎是哪个，hive默认使用的是 mr

可以是以下两类：mr 和 tez
set hive.execution.engine=mr;
set hive.execution.engine=tez;

1.1 如果使用的是默认mr，设置队列：

方法1：hive cli 登录后使用
set  mapreduce.job.queuename=queue_name;（新版本）

方法2：hive cli 登录时使用
hive --hiveconf mapreduce.job.queuename=queue_name;
hive --hiveconf mapreduce.job.queuename=xxx

以上两个方法都是针对当前会话有效

方法3：修改hive-site.xml文件

1.2 如果使用的是 tez：
set tez.queue.name=queue_name;
queue_name ：是要设置的队列的名称；

hive默认使用的是mr
set hive.execution.engine=tez;
set mapreduce.job.queuename=root.default;

设置队列,tez引擎，Tez引擎是纯内存操作
set hive.execution.engine=tez;
set tez.queue.name=root.default;

2、解决OOM的参数
set tez.am.task.max.failed.attempts=10;
set tez.am.max.app.attempts=5;
set hive.tez.java.opts=-Xmx6144m;
配置Map任务的Java参数，如果任务处理的数据量过大，可以适当调节该参数，避免OOM（内存溢出)
set hive.tez.container.size=8192;

3、开启动态分区参数：
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
set hive.exec.dynamic.partitions.pernode=1000;
set hive.exec.dynamic.partition=true; --默认：false
set hive.exec.dynamic.partition.mode = nonstrict; --默认：strict
set hive.exec.dynamic.partitions=10000; --分区最大数:如果按天分区的话设置10000足够了

4、使用场景：使用正则表达式来筛选字段
set hive.support.quoted.identifiers=none;
--反引号不在解释为其他含义，被解释为正则表达式
set hive.support.quoted.identifiers = none;

示例1：过滤掉不需要的列名(字段要用小括号包裹)
select `(id|name)?+.+` from user_info;

示例2：模糊匹配有相似性的列名
select `.+score` from user_info;

5、hive锁机制
set hive.support.concurrency=false;
set hive.support.concurrency=false;
在 session 中关闭锁，这个参数为 false 既能保证session忽略任何锁强行操作数据，又能保证session里的SQL对表不加任何锁。

hive 目前主要有两种锁，SHARED（共享锁 S）和 Exclusive（排他锁 X）。其中只触发S锁的操作可以并发执行，只要有一个操作对表或者分区触发了X锁，则该表或者分区不能并发的执行作业。

总结起来就是：
1、查询操作使用共享锁，共享锁是可以多重、并发使用的多个查询同时访问一个表是可以的，同时使用共享锁

2、修改表操作使用独占锁，它会阻止其他的查询、修改操作
当修改表的时候，使用独占锁，所以此时没办法执行查询

3、可以对分区使用锁
对一个分区上锁，不影响其他分区使用

参考链接：hive锁机制

https://blog.csdn.net/Samooyou/article/details/125005500

6、开启向量执行模式
开启hive.vectorized.execution.enabled操作，默认是关闭状态，将一个普通的查询转化为向量化查询执行是一个Hive 特性。
它大大减少了扫描、过滤器、聚合和连接等典型查询操作的CPU 使用。
标准查询执行，系统一次处理一行。矢量化查询执行，可以一次性处理1024行的数据块，以减少底层操作系统处理数据时的指令和上下文切换

set hive.vectorized.execution.enabled=false;
set hive.vectorized.execution.enabled = true;
开启向量模式,默认值是false
相当于从原本的map逐行处理数据变成了批量处理数据,从处理一行到一次性处理多行,减少了cpu指令和cpu上下文切换.
可以提高效率；tez和spark引擎支持map和reduce端的向量模式
set hive.vectorized.execution.reduce.enabled=false;
表示是否启用reduce任务的向量化执行模式，默认值是true，但是mapreduce引擎并不支持，需要更换引擎才可以使用这个参数
set hive.vectorized.execution.reduce.groupby.enabled=false;

7、hive.cbo.enable
在 Hive 1.1.0 之后，这个 feature 是默认开启的，它可以自动优化 HQL中多个 Join 的顺序，并选择合适的 Join 算法。
set hive.cbo.enable=false;

CBO优化参考链接

https://blog.csdn.net/weixin_42921390/article/details/115289586

8、其他参数
set tez.am.java.opts=-Xmx6144m;
set tez.am.resource.memory.mb=4096;
#设置 tez AM 容器内存，默认值：1024；建议：不小于或者等于yarn.scheduler.minimum-allocation-mb值。
配置文件：tez-site.xml

set tez.runtime.shuffle.fetch.buffer.percent=0.10;
set tez.runtime.shuffle.memory.limit.percent=0.10;

set tez.runtime.io.sort.mb=2048;
tez.runtime.io.sort.mb：设置输出排序内存大小，默认100，建议：40%*hive.tez.container.size，一般不超过2G。

set mapred.map.tasks.speculative.execution=true;
set mapred.reduce.tasks.speculative.execution=true;

9、Hive并发执行

set hive.exec.parallel=true;
hive.exec.parallel参数，控制在同一个sql中的不同的job是否可以同时运行,默认为 false.
hive.exec.parallel：Hive并发执行，true表示并发，即开启作业并行。
若为true一个sql语句中分解的多个job没有顺序关系时会并发执行，有顺序关系时会按顺序执行，资源充足时建议开启。默认false。
set hive.exec.parallel.thread.number=64;
Hive.exec.parallel.thread.num：默认8，最多并行的作业数量，即1个sql最多允许8个mr或tez作业并行。

10、合并小文件
set hive.merge.mapfiles=true; --在Map-only的任务结束时合并小文件
set hive.merge.mapredfiles=true; --在Map-Reduce的任务结束时合并小文件

Hive合并小文件参数总结
http://ttps://blog.csdn.net/qq_43688472/article/details/103494484

11、待完善，补充
-- 启动Map Join自动转换
set hive.auto.convert.join=true;
set hive.auto.convert.join=false;

set hive.groupby.skewindata=true;

set hive.stats.fetch.column.stats=false;
set hive.map.aggr=false;

set mapreduce.map.memory.mb=8192;
set mapreduce.reduce.shuffle.memory.limit.percent=0.10;
set mapreduce.reduce.shuffle.input.buffer.percent=0.6;