一.前述
本节主要描述Hive的优化使用，Hive的优化着重强调一个 把Hive SQL 当做Mapreduce程序去优化
二.主要优化点1.Hive运行方式：
本地模式集群模式本地模式开启本地模式：set hive.exec.mode.local.auto=true;注意：hive.exec.mode.local.auto.inputbytes.max默认值为128M表示加载文件的最大值，若大于该配置仍会以集群方式来运行！ 对于小表可以直接从从hdfs直接拿到本地计算2.并行计算通过设置以下参数开启并行模式：set hive.exec.parallel=true;注意：hive.exec.parallel.thread.number（一次SQL计算中允许并行执行的job个数的最大值）3.严格模式通过设置以下参数开启严格模式：
set hive.mapred.mode=strict;（默认为：nonstrict非严格模式）查询限制：对于分区表，必须添加where对于分区字段的条件过滤；order by语句必须包含limit输出限制；限制执行笛卡尔积的查询。 4.Hive排序（重要）Order By - 对于查询结果做全排序，只允许有一个reduce处理（当数据量较大时，应慎用。严格模式下，必须结合limit来使用）Sort By - 对于单个reduce的数据进行排序（这样最后的数据有可能排序结果不准！！！！）Distribute By - 分区排序，经常和Sort By结合使用（SortBy对于最后的分区排序）Cluster By - 相当于 Sort By + Distribute By（Cluster By不能通过asc、desc的方式指定排序规则；可通过 distribute by column sort by column asc|desc 的方式） !!!5 Hive Join 优化
Join计算时，将小表（驱动表）放在join的左边
Map Join：在Map端完成Join两种实现方式：1、SQL方式，在SQL语句中添加MapJoin标记（mapjoin hint）语法：SELECT /*+ MAPJOIN(smallTable) */ smallTable.key, bigTable.value FROM smallTable JOIN bigTable ON smallTable.key = bigTable.key;2、开启自动的MapJoin自动的mapjoin
通过修改以下配置启用自动的mapjoin：set hive.auto.convert.join = true;（该参数为true时，Hive自动对左边的表统计量，如果是小表就加入内存，即对小表使用Map join）（默认左边的加载到内存中去）相关配置参数：hive.mapjoin.smalltable.filesize; （大表小表判断的阈值，如果表的大小小于该值则会被加载到内存中运行）hive.ignore.mapjoin.hint；（默认值：true；是否忽略mapjoin hint 即mapjoin标记）hive.auto.convert.join.noconditionaltask;（默认值：true；将普通的join转化为普通的mapjoin时，是否将多个mapjoin转化为一个mapjoin）hive.auto.convert.join.noconditionaltask.size;（将多个mapjoin转化为一个mapjoin时，其表的最大值）6.Map-Side聚合（一般在聚合函数sum,count时使用）通过设置以下参数开启在Map端的聚合：set hive.map.aggr=true;相关配置参数：hive.groupby.mapaggr.checkinterval： map端group by执行聚合时处理的多少行数据（默认：100000）hive.map.aggr.hash.min.reduction： 进行聚合的最小比例（预先对100000条数据做聚合，若聚合之后的数据量/100000的值大于该配置0.5，则不会聚合）hive.map.aggr.hash.percentmemory： map端聚合使用的内存的最大值hive.map.aggr.hash.force.flush.memory.threshold： map端做聚合操作是hash表的最大可用内容，大于该值则会触发flushhive.groupby.skewindata是否对GroupBy产生的数据倾斜做优化，默认为false（自动优化解决思路如下）：Map端两个MapReduce，第一个Mapreduce随机来分发数据。然后另一个Mapreduce根据此Mapreduce的结果在到Reduce的机器上去拉取数据。
7.控制Hive中Map以及Reduce的数量Map数量相关的参数mapred.max.split.size一个split的最大值，即每个map处理文件的最大值mapred.min.split.size.per.node一个节点上split的最小值mapred.min.split.size.per.rack一个机架上split的最小值Reduce数量相关的参数mapred.reduce.tasks强制指定reduce任务的数量hive.exec.reducers.bytes.per.reducer每个reduce任务处理的数据量hive.exec.reducers.max每个任务最大的reduce数
PS：一般工作中肯定不会改！！！桶的个数是Reduce的个数。
8. Hive - JVM重用（类似于线程池）适用场景：
1、小文件个数过多2、task个数过多通过 set mapred.job.reuse.jvm.num.tasks=n; 来设置（n为task插槽个数）缺点：设置开启之后，task插槽会一直占用资源，不论是否有task运行，直到所有的task即整个job全部执行完成时，才会释放所有的task插槽资源！