hive优化参数说明

1,一个Hive查询生成多个Map Reduce Job,一个Map Reduce Job又有Map,Reduce,Spill,Shuffle,Sort等多个阶段,所以针对Hive查询的优化可以大致分为针对MR中单个步骤的优化(其中又会有细分),针对MR全局的优化,和针对整个查询(多MR Job)的优化

  hive.exec.mode.local.auto

    决定 Hive 是否应该自动地根据输入文件大小,在本地运行(在GateWay运行)

    true

   hive.exec.mode.local.auto.inputbytes.max

    如果 hive.exec.mode.local.auto 为 true,当输入文件大小小于此阈值时可以自动在本地模式运行,默认是 128兆。

    134217728L

    hive.exec.mode.local.auto.tasks.max

    如果 hive.exec.mode.local.auto 为 true,当 Hive Tasks(Hadoop Jobs)小于此阈值时,可以自动在本地模式运行。

    4

  hive.auto.convert.join

    是否根据输入小表的大小,自动将 Reduce 端的 Common Join 转化为 Map Join,从而加快大表关联小表的 Join 速度。

    false

   hive.mapred.local.mem

    Mapper/Reducer 在本地模式的最大内存量,以字节为单位,0为不限制。

    0

   mapred.reduce.tasks

    所提交 Job 的 reduer 的个数,使用 Hadoop Client 的配置。

    1

  hive.exec.scratchdir

    HDFS路径,用于存储不同 map/reduce 阶段的执行计划和这些阶段的中间输出结果。

    /tmp/<user.name>/hive

  hive.metastore.warehouse.dir

    Hive 默认的数据文件存储路径,通常为 HDFS 可写的路径。

    hive.groupby.skewindata

    决定 group by 操作是否支持倾斜的数据。

    false

    hive.merge.mapfiles

    是否开启合并 Map 端小文件,对于 Hadoop 0.20 以前的版本,起一首新的 Map/Reduce Job,对于 0.20 以后的版本,则是起使用 CombineInputFormat 的 MapOnly Job。

    true

   hive.merge.mapredfiles

    是否开启合并 Map/Reduce 小文件,对于 Hadoop 0.20 以前的版本,起一首新的 Map/Reduce Job,对于 0.20 以后的版本,则是起使用 CombineInputFormat 的 MapOnly Job。

    false

  hive.default.fileformat

    Hive 默认的输出文件格式,与创建表时所指定的相同,可选项为 ‘TextFile’ 、 ‘SequenceFile’ 或者 ‘RCFile’。

    ‘TextFile’

   hive.mapred.mode

    Map/Redure 模式,如果设置为 strict,将不允许笛卡尔积。

    ‘nonstrict’

  hive.exec.parallel

    是否开启 map/reduce job的并发提交。

    false

   hive.security.authorization.enabled

    Hive 是否开启权限认证。

    false

   hive.exec.plan

    Hive 执行计划的路径,会在程序中自动进行设置

    null

   hive.exec.submitviachild

    决定 map/reduce Job 是否应该使用各自独立的 JVM 进行提交(Child进程),默认情况下,使用与 HQL compiler 相同的 JVM 进行提交。

    false

  hive.exec.script.maxerrsize

    通过 TRANSFROM/MAP/REDUCE 所执行的用户脚本所允许的最大的序列化错误数。

    100000

  hive.exec.script.allow.partial.consumption

    是否允许脚本只处理部分数据,如果设置为 true ,因 broken pipe 等造成的数据未处理完成将视为正常。

    false

   hive.exec.compress.output

    决定查询中最后一个 map/reduce job 的输出是否为压缩格式。

    false

   hive.exec.compress.intermediate

    决定查询的中间 map/reduce job (中间 stage)的输出是否为压缩格式。

    false

  hive.intermediate.compression.codec

    中间 map/reduce job 的压缩编解码器的类名(一个压缩编解码器可能包含多种压缩类型),该值可能在程序中被自动设置。

  hive.intermediate.compression.type

    中间 map/reduce job 的压缩类型,如 “BLOCK” “RECORD”。

    hive.exec.reducers.bytes.per.reducer

    每一个 reducer 的平均负载字节数。

    1000000000

   hive.exec.reducers.max

    reducer 个数的上限。

    999

    hive.exec.pre.hooks

    语句层面,整条 HQL 语句在执行前的 hook 类名。

    hive.exec.post.hooks

    语句层面,整条 HQL 语句在执行完成后的 hook 类名。

   hive.exec.parallel.thread.number

    并发提交时的并发线程的个数。

    8

    hive.mapred.reduce.tasks.speculative.execution

    是否开启 reducer 的推测执行,与 mapred.reduce.tasks.speculative.execution 作用相同。

    false

   hive.exec.counters.pull.interval

    客户端拉取 progress counters 的时间,以毫秒为单位。

    1000L

   hive.exec.dynamic.partition

    是否打开动态分区。

    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。

    strict

    hive.exec.max.dynamic.partitions

    所允许的最大的动态分区的个数。

    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。

    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。”

    ‘__HIVE_DEFAULT_PARTITION__’

     hadoop.bin.path

    Hadoop Client 可执行脚本的路径,该路径用于通过单独的 JVM 提交 job,使用 Hadoop Client 的配置。

    $HADOOP_HOME/bin/hadoop

    hadoop.config.dir

    Hadoop Client 配置文件的路径,使用 Hadoop Client 的配置。

    $HADOOP_HOME/conf

    fs.default.name

    Namenode 的 URL,使用 Hadoop Client 的配置。

    file:///

   map.input.file

    Map 的输入文件,使用 Hadoop Client 的配置。

    null

   mapred.input.dir

    Map 的输入目录,使用 Hadoop Client 的配置。

    null

    mapred.input.dir.recursive

    输入目录是否可递归嵌套,使用 Hadoop Client 的配置。

    false

    mapred.job.tracker

    Job Tracker 的 URL,使用 Hadoop Client 的配置,如果这个配置设置为 ‘local’,将使用本地模式。

    local

   mapred.job.name

    Map/Reduce 的 job 名称,如果没有设置,则使用生成的 job name,使用 Hadoop Client 的配置。

    null

   mapred.reduce.tasks.speculative.execution

    Map/Reduce 推测执行,使用 Hadoop Client 的配置。

    null

  hive.metastore.metadb.dir

    Hive 元数据库所在路径。

     hive.metastore.uris

    Hive 元数据的 URI,多个 thrift://地址,以英文逗号分隔。

    hive.metastore.connect.retries

    连接到 Thrift 元数据服务的最大重试次数。

    3

    javax.jdo.option.ConnectionPassword

    JDO 的连接密码。

     hive.metastore.ds.connection.url.hook

    JDO 连接 URL Hook 的类名,该 Hook 用于获得 JDO 元数据库的连接字符串,为实现了 JDOConnectionURLHook 接口的类。

    javax.jdo.option.ConnectionURL

    元数据库的连接 URL。

    hive.metastore.ds.retry.attempts

    当没有 JDO 数据连接错误后,尝试连接后台数据存储的最大次数。

    1

    hive.metastore.ds.retry.interval

    每次尝试连接后台数据存储的时间间隔,以毫秒为单位。

    1000

   hive.metastore.force.reload.conf

    是否强制重新加载元数据配置,一但重新加载,该值就会被重置为 false。

    false

   hive.metastore.server.min.threads

    Thrift 服务线程池的最小线程数。

    8

    hive.metastore.server.max.threads

    Thrift 服务线程池的最大线程数。

    0x7fffffff

    hive.metastore.server.tcp.keepalive

    Thrift 服务是否保持 TCP 连接。

    true

    hive.metastore.archive.intermediate.original

    用于归档压缩的原始中间目录的后缀,这些目录是什么并不重要,只要能够避免冲突即可。

    ‘_INTERMEDIATE_ORIGINAL’

   hive.metastore.archive.intermediate.archived

    用于归档压缩的压缩后的中间目录的后缀,这些目录是什么并不重要,只要能够避免冲突即可。

    ‘_INTERMEDIATE_ARCHIVED’

   hive.metastore.archive.intermediate.extracted

    用于归档压缩的解压后的中间目录的后缀,这些目录是什么并不重要,只要能够避免冲突即可。

    ‘_INTERMEDIATE_EXTRACTED’

    hive.cli.errors.ignore

    是否忽略错误,对于包含多的 SQL 文件,可以忽略错误的行,继续执行下一行。

    false

   hive.session.id

    当前会话的标识符,格式为“用户名_时间”用于记录在 job conf 中,一般不予以手动设置。

     hive.session.silent

    当前会话是否在 silent 模式运行。 如果不是 silent 模式,所以 info 级打在日志中的消息,都将以标准错误流的形式输出到控制台。

    false

   hive.query.string

    当前正在被执行的查询字符串。

    hive.query.id

    当前正在被执行的查询的ID。

      hive.query.planid

    当前正在被执行的 map/reduce plan 的 ID。

     hive.jobname.length

    当前 job name 的最大长度,hive 会根据此长度省略 job name 的中间部分。

    50

   hive.jar.path

    通过单独的 JVM 提交 job 时,hive_cli.jar 所在的路径

    hive.aux.jars.path

    各种由用户自定义 UDF 和 SerDe 构成的插件 jar 包所在的路径。

     hive.added.files.path

    ADD FILE 所增加的文件的路径。

  hive.added.jars.path

    ADD JAR 所增加的文件的路径。

    hive.added.archives.path

    ADD ARCHIEVE 所增加的文件的路径。

      hive.table.name

    当前的 Hive 表的名称,该配置将通过 ScirptOperator 传入到用户脚本中。

   hive.partition.name

    当前的 Hive 分区的名称,该配置将通过 ScriptOperator 传入到用户脚本中。

    hive.script.auto.progress

    脚本是否周期性地向 Job Tracker 发送心跳,以避免脚本执行的时间过长,使 Job Tracker 认为脚本已经挂掉了。

    false

  hive.script.operator.id.env.var

    用于识别 ScriptOperator ID 的环境变量的名称。

    ‘HIVE_SCRIPT_OPERATOR_ID’

    hive.alias

    当前的 Hive 别名,该配置将通过 ScriptOpertaor 传入到用户脚本中。

  hive.map.aggr

    决定是否可以在 Map 端进行聚合操作

    true

   hive.join.emit.interval

    Hive Join 操作的发射时间间隔,以毫秒为单位。

    1000

    hive.join.cache.size

    Hive Join 操作的缓存大小,以字节为单位。

    25000

  hive.mapjoin.bucket.cache.size

    Hive Map Join 桶的缓存大小,以字节为单位。

    100

  hive.mapjoin.size.key

    Hive Map Join 每一行键的大小,以字节为单位。

    10000

  hive.mapjoin.cache.numrows

    Hive Map Join 所缓存的行数。

    25000

   hive.groupby.mapaggr.checkinterval

    对于 Group By 操作的 Map 聚合的检测时间,以毫秒为单位。

    100000

  hive.map.aggr.hash.percentmemory

    Hive Map 端聚合的哈稀存储所占用虚拟机的内存比例。

    0.5

  hive.map.aggr.hash.min.reduction

    Hive Map 端聚合的哈稀存储的最小 reduce 比例。

    0.5

   hive.udtf.auto.progress

    Hive UDTF 是否周期性地报告心跳,当 UDTF 执行时间较长且不输出行时有用。

    false

 hive.fileformat.check

    Hive 是否检查输出的文件格式。

    true

  hive.querylog.location

    Hive 实时查询日志所在的目录,如果该值为空,将不创建实时的查询日志。

    ‘/tmp/$USER’

  hive.script.serde

    Hive 用户脚本的 SerDe。

    ‘org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe’

    hive.script.recordreader

    Hive 用户脚本的 RecordRedaer。

    ‘org.apache.hadoop.hive.ql.exec.TextRecordReader’

  hive.script.recordwriter

    Hive 用户脚本的 RecordWriter。

    ‘org.apache.hadoop.hive.ql.exec.TextRecordWriter’

  hive.hwi.listen.host

    HWI 所绑定的 HOST 或者 IP。

    ‘0.0.0.0’

    hive.hwi.listen.port

    HWI 所监听的 HTTP 端口。

    9999

   hive.hwi.war.file

    HWI 的 war 文件所在的路径。

    $HWI_WAR_FILE

  hive.test.mode

    是否以测试模式运行 Hive

    false

  hive.test.mode.prefix

    Hive 测试模式的前缀。

    ‘test_’

   hive.test.mode.samplefreq

    Hive 测试模式取样的频率,即每秒钟取样的次数。

    32

  hive.test.mode.nosamplelist

    Hive 测试模式取样的排除列表,以逗号分隔。

    “

   hive.merge.size.per.task

    每个任务合并后文件的大小,根据此大小确定 reducer 的个数,默认 256 M。

    256000000

    hive.merge.smallfiles.avgsize

    需要合并的小文件群的平均大小,默认 16 M。

    16000000

   hive.optimize.skewjoin

    是否优化数据倾斜的 Join,对于倾斜的 Join 会开启新的 Map/Reduce Job 处理。

    false

   hive.skewjoin.key

    倾斜键数目阈值,超过此值则判定为一个倾斜的 Join 查询。

    1000000

   hive.skewjoin.mapjoin.map.tasks

    处理数据倾斜的 Map Join 的 Map 数上限。

    10000

  hive.skewjoin.mapjoin.min.split

    处理数据倾斜的 Map Join 的最小数据切分大小,以字节为单位,默认为32M。

    33554432

  mapred.min.split.size

    Map Reduce Job 的最小输入切分大小,与 Hadoop Client 使用相同的配置。

    1

  hive.mergejob.maponly

    是否启用 Map Only 的合并 Job。

    true

  hive.heartbeat.interval

    Hive Job 的心跳间隔,以毫秒为单位。

    1000

  hive.mapjoin.maxsize

    Map Join 所处理的最大的行数。超过此行数,Map Join进程会异常退出。

    1000000

 hive.hashtable.initialCapacity

    Hive 的 Map Join 会将小表 dump 到一个内存的 HashTable 中,该 HashTable 的初始大小由此参数指定。

    100000

  hive.hashtable.loadfactor

    Hive 的 Map Join 会将小表 dump 到一个内存的 HashTable 中,该 HashTable 的负载因子由此参数指定。

    0.75

    hive.mapjoin.followby.gby.localtask.max.memory.usage

    MapJoinOperator后面跟随GroupByOperator时,内存的最大使用比例

    0.55

  hive.mapjoin.localtask.max.memory.usage

    Map Join 的本地任务使用堆内存的最大比例

    0.9

    hive.mapjoin.localtask.timeout

    Map Join 本地任务超时,淘宝版特有特性

    600000

 hive.mapjoin.check.memory.rows

    设置每多少行检测一次内存的大小,如果超过 hive.mapjoin.localtask.max.memory.usage 则会异常退出,Map Join 失败。

    100000

  hive.debug.localtask

    是否调试本地任务,目前该参数没有生效

    false

   hive.task.progress

    是否开启 counters ,以记录 Job 执行的进度,同时客户端也会拉取进度 counters。

    false

   hive.input.format

    Hive 的输入 InputFormat。

    默认是org.apache.hadoop.hive.ql.io.HiveInputFormat,其他还有org.apache.hadoop.hive.ql.io.CombineHiveInputFormat

  hive.enforce.bucketing

    是否启用强制 bucketing。

    false

   hive.enforce.sorting

    是否启用强制排序。

    false

  hive.mapred.partitioner

    Hive 的 Partitioner 类。

    ‘org.apache.hadoop.hive.ql.io.DefaultHivePartitioner’

  hive.exec.script.trust

    Hive Script Operator For trust

    false

  hive.hadoop.supports.splittable.combineinputformat

    是否支持可切分的 CombieInputFormat

    false

 hive.optimize.cp

    是否优化列剪枝。

    true

  hive.optimize.ppd

    是否优化谓词下推。

    true

 hive.optimize.groupby

    是否优化 group by。

    true

  hive.optimize.bucketmapjoin

    是否优化 bucket map join。

    false

 hive.optimize.bucketmapjoin.sortedmerge

    是否在优化 bucket map join 时尝试使用强制 sorted merge bucket map join。

    false

 hive.optimize.reducededuplication

    是否优化 reduce 冗余。

    true

 hive.hbase.wal.enabled

    是否开启 HBase Storage Handler。

    true

 hive.archive.enabled

    是否启用 har 文件。

    false

   hive.archive.har.parentdir.settable

    是否启用 har 文件的父目录可设置。

    false

   hive.outerjoin.supports.filters

    是否启动外联接支持过滤条件。

    true

   hive.fetch.output.serde

    对于 Fetch Task 的 SerDe 类

    ‘org.apache.hadoop.hive.serde2.DelimitedJSONSerDe’

   hive.semantic.analyzer.hook

    Hive 语义分析的 Hook,在语义分析阶段的前后被调用,用于分析和修改AST及生成的执行计划,以逗号分隔。

    null

   hive.cli.print.header

    是否显示查询结果的列名,默认为不显示。

    false

  hive.cli.encoding

    Hive 默认的命令行字符编码。

    ‘UTF8’

   hive.log.plan.progress

    是否记录执行计划的进度。

    true

    hive.pull.progress.counters

    是否从 Job Tracker 上拉取 counters,淘宝特有配置项。

    true

  hive.job.pre.hooks

    每个 Job 提交前执行的 Hooks 列表,以逗号分隔,淘宝特有配置项。

    “

  hive.job.post.hooks

    每个 Job 完成后执行的 Hooks 列表,以逗号分隔,淘宝特有配置项。

    “

   hive.max.progress.counters

    Hive 最大的进度 couters 个数,淘宝特有配置项。

    100

   hive.exec.script.wrapper

    Script Operator 脚本调用的封装,通常为脚本解释程序。例如,可以把该变量值的名称设置为”python”,那么传递到 Script Operator 的脚本将会以”python <script command>”的命令形式进行调用,如果这个值为null或者没有设置,那么该脚本将会直接以”<script command>”的命令形式调用。

    null

   hive.check.fatal.errors.interval

    客户端通过拉取 counters 检查严重错误的周期,以毫秒为单位,淘宝特有配置项。

    5000L

    原文作者:scottzcw
    原文地址: https://www.jianshu.com/p/1e2c53260c7c
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞