Hive運維中hive-site文件的示例分析

小編給大家分享一下Hive運維中hive-site文件的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

0. hive設置的優先級（從高到低）：

1. Hive set命令。

2. 命令行選擇 -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，出錯時hadoop的mapred task logs也可以查看，本環境在/tmp/nslab下查看。

     命令：hive  -hiveconf  hive.root.logger=DEBUG,console  將調試信息打印到控制臺。

使用set的使用

1. 使用set查看設置的值：

       set hive.enforce.bucketing

2. 只輸入一個set，會列出所有的設置。

3. 設置新的屬性，格式類似下面：

     set  hive.enforce.bucketing=true;

1. 動態分區：

hive.exec.dynamic.partition

是否打開動態分區。

默認：false

hive.exec.dynamic.partition.mode

打開動態分區后，動態分區的模式，有 strict 和 nonstrict 兩個值可選，strict 要求至少包含一個靜態分區列，nonstrict 則無此要求。

默認：strict

hive.exec.max.dynamic.partitions

所允許的最大的動態分區的個數。

默認：1000

hive.exec.max.dynamic.partitions.pernode

單個 reduce 結點所允許的最大的動態分區的個數。

默認：100

hive.exec.default.partition.name

默認的動態分區的名稱，當動態分區列為''或者null時，使用此名稱。''

2. 打印列名, 開啟行轉列（有待測試）

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

set hive.cli.print.row.to.vertical=true;   // 開啟行轉列功能, 前提必須開啟打印列名功能

set hive.cli.print.row.to.vertical.num=1; // 設置每行顯示的列數

3. 查看hive版本：

set hive.hwi.war.file;

4. 查看hive命令行字符編碼：

hive.cli.encoding

Hive 默認的命令行字符編碼。

默認: 'UTF8'

5. Hive  Fetch Task執行：

set hive.fetch.task.conversion=more;

對于簡單的不需要聚合的類似SELECT <col> from <table> LIMIT n語句，不需要起MapReduce job，直接通過Fetch task獲取數據（數據量過大， 也能 無 返回結果）

類似linux的vi,直接對文本進行操作。

也有點類似shark的列存儲的操作： 放在同一個array里面，所以查詢數據很快

hive.fetch.task.conversion

Hive 默認的mapreduce操作

默認: minimal

6. MapJoin

舊版本HIVE需要自行在查詢/子查詢的SELECT關鍵字后面添加/*+ MAPJOIN(tablelist) */提示優化器轉化為MapJoin。高版本只需設置：

set hive.auto.convert.join=true;  

HIVE自行選擇小表作為LEFT的左表。

7. Strict Mode：

hive.mapred.mode=true，嚴格模式不允許執行以下查詢：

分區表上沒有指定了分區

沒有limit限制的order by語句

笛卡爾積：JOIN時沒有ON語句

8. 并發執行任務：

設置該參數是控制在同一個sql中的不同的job是否可以同時運行，默認是false

hive.exec.parallel=true ，默認為false

hive.exec.parallel.thread.number=8

9. 負載均衡

hive.groupby.skewindata=true：數據傾斜時負載均衡，當選項設定為true，生成的查詢計劃會有兩個MRJob。第一個MRJob 中，

Map的輸出結果集合會隨機分布到Reduce中，每個Reduce做部分聚合操作，并輸出結果，這樣處理的結果是相同的GroupBy Key

有可能被分發到不同的Reduce中，從而達到負載均衡的目的；第二個MRJob再根據預處理的數據結果按照GroupBy Key分布到

Reduce中（這個過程可以保證相同的GroupBy Key被分布到同一個Reduce中），最后完成最終的聚合操作。

10. hive.exec.rowoffset：是否提供虛擬列

11.  set hive.error.on.empty.partition=true;  那么動態分區如果為空，則會報異常

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

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

12. hive.merge.mapredfiles：合并小文件

    工作需要合并reduce產生文件：

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

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

1.先在hive-site.xml中設置小文件的標準. 

<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.為只有map的mapreduce的輸出并合并小文件.

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

3.為含有reduce的mapreduce的輸出并合并小文件.

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

以上是“Hive運維中hive-site文件的示例分析”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！