hive 性能优化_hive.optimize.ppd

目录

1.sql语法优化

1.使用explain 查询计划优化sql

 2.使用analyze分析器

3.谓词下推

2.数据存储优化

1.设计分区表

2.设计分桶表

3.采用列式存储（orc格式存储）

1.开启orc索引

2.开启orc布隆过滤器（布隆过滤器：没有一定没有，有可能没有，还有查数据）

3.开启orc 矢量化查询

4.使用文件snappy压缩

5.小文件优化

1.避免生成小文件

 2. 合并小文件

3.hive参数优化

1.hive 中mr相关参数优化

（1）.自适应本地模式

（2） .jvm重用

（3） .stage并行执行

2.hive 中hive相关参数优化

（1）.小表join小表，map join,缓存小表

（2）.大表join大表，bucket join 

（3）.关联优化器

（4）.CBO优化器,基于代价优化器

（5）.数据倾斜skew join

---

hive 性能优化手段可以从三个方面入手

1.sql语法优化

1.使用explain 查询计划优化sql

 2.使用analyze分析器

3.谓词下推

hive.optimize.pdd=true(默认开启)

2.数据存储优化

1.设计分区表

2.设计分桶表

3.采用列式存储（orc格式存储）

1.开启orc索引

为了index有效利用，向表中加载数据时，必须对需要使用索引字段排序

2.开启orc布隆过滤器（布隆过滤器：没有一定没有，有可能没有，还有查数据）

 3.开启orc 矢量化查询

矢量化查询：按照每批1024行读取数据，并且一次性对整个记录 整合应用操作，提升过滤，联合，聚合等操作性能。（类似矢量图，通过算法得到，放大缩小不失真。）

 4.使用文件snappy压缩

5.小文件优化

1.避免生成小文件

 2. 合并小文件

3.hive参数优化

1.hive 中mr相关参数优化

（1）.自适应本地模式

（2）.jvm重用

hadoop 会为每个task启动一个jvm运行，jvm启动内存开销大

（3） .stage并行执行

 

2.hive 中hive相关参数优化

（1）.小表join小表，map join,缓存小表

默认已经开启：hive.auto.convert.join=true

 （2）.大表join大表，bucket join 

1.clustered by colName

2.clustered by colName sorted by (colName)

（3）.关联优化器

（4）.CBO优化器,基于代价优化器

（5）.数据倾斜skew join