簡(jiǎn)單12招讓Hive運(yùn)行快一點(diǎn)，再快一點(diǎn)
Hive可以讓你在Hadoop上使用SQL，但是在分布系統(tǒng)上的SQL的調(diào)優(yōu)是不同的。這里有12個(gè)技巧能夠幫助你。
Hive并不是一個(gè)關(guān)系型數(shù)據(jù)庫(kù)，但它假裝是大部分情況中的一個(gè)。它有表格，運(yùn)行SQL，并且支持JDBC和ODBC。
這個(gè)啟示有利及不利的消息：Hive不運(yùn)行查詢(xún)數(shù)據(jù)庫(kù)方式。這是一個(gè)很長(zhǎng)的故事，但是我在工作周花了80多個(gè)小時(shí)親自調(diào)整Hive。不用說(shuō)，我不必再頭疼了。因此，為了您的利益，這里有一些建議，讓你的Hive項(xiàng)目比我的運(yùn)行的快一點(diǎn)。
1、不要使用MapReduce
你是否相信Tez,Spark或者Impala,但是不相信MapReduce。它是緩慢的，它比Hive還要慢。如果你在Hortonwork的分布，你可以在腳本的頂部輸入 set hive.execution.engine=tez
在子句中使用Impala.希望當(dāng)你的impala不再合適的時(shí)候設(shè)置 hive.execution.engine=spark
2、不要在SQL字符串配對(duì)
注意，尤其是在Hive，如果你在本該是子句的地方配對(duì)字符串，會(huì)產(chǎn)生一個(gè)交叉的產(chǎn)品警告。如果你有一個(gè)幾秒內(nèi)運(yùn)行的查詢(xún)，與需要幾分鐘才能配對(duì)的字符串。你***選擇使用多個(gè)工具，允許你添加搜索Hadoop。查看Elasticsearch’s Hiveintegration or Lucidwork’s integration for Solr?；蛘?，哪里有Cloudera Search. RDBMSes 非常善于做這個(gè)，但是Hive就很差了。
Apache Hive擬人畫(huà)
3、不要加入一個(gè)子查詢(xún)
你***創(chuàng)建一個(gè)臨時(shí)列表，然后加入臨時(shí)表不詢(xún)問(wèn)Hive如何智能的處理子查詢(xún)。也就是說(shuō)不要這么做。
而是要這么樣做
在這一點(diǎn)上，它真的不應(yīng)該在Hive的進(jìn)化上如此之快，但是它通常是這樣的。
4、使用Parquet或者ORC，但是不要把它們轉(zhuǎn)化成運(yùn)動(dòng)
這就是說(shuō)，相對(duì)用Parquet或者ORC，例如，TEXTFILE。然而，如果你有文本數(shù)據(jù)進(jìn)來(lái)，并且促進(jìn)它變的更結(jié)構(gòu)化，轉(zhuǎn)換到目標(biāo)表。你不能從文本文件加載數(shù)據(jù)到一個(gè)ORC，所以做初始加載到文本。
如果你創(chuàng)建其他的表，你最終會(huì)運(yùn)行不到你的分析。在那里做ORCing，因?yàn)檗D(zhuǎn)換到ORC或者Parquet需要時(shí)間，并且不值得進(jìn)行你的ETL過(guò)程的***步。如果你有簡(jiǎn)單的平面文件進(jìn)來(lái)，并且不做任何調(diào)整。然后你被加載到一個(gè)臨時(shí)表，并且選擇創(chuàng)建一個(gè)ORC或者Parquet。我不嫉妒你因?yàn)樗娴暮苈?/strong>
5、嘗試把矢量化打開(kāi)或者關(guān)閉
增加
在你的腳本的頂端。嘗試讓它們開(kāi)或關(guān)，因?yàn)槭噶炕贖ive的新版本中似乎有一些問(wèn)題。
6、不要用結(jié)構(gòu)加入
我不得不承認(rèn)我原本的大腦的SQL語(yǔ)法依然是SQL-92時(shí)代，所以我無(wú)論如何不傾向于使用結(jié)構(gòu)。但是如果你做一些像對(duì)復(fù)合PKS子句超重復(fù)的事情，結(jié)構(gòu)是方便的。不幸的是，Hive隔斷了它們——尤其是在子句上，當(dāng)然，在較小的數(shù)據(jù)集并沒(méi)有這么做，也沒(méi)有產(chǎn)生任何錯(cuò)誤的時(shí)間。在絕對(duì)禁區(qū)，你得到一個(gè)有趣的向量誤差。這個(gè)限制是沒(méi)有記錄任何我所知道的地方。把這個(gè)看成是一個(gè)有序的方式來(lái)了解你的執(zhí)行引擎的內(nèi)部結(jié)構(gòu)!
7、檢查容器的尺寸
你可能需要為Impala或者Tez增加你容器的尺寸。此外，”建議”尺寸可能不適用于您的系統(tǒng)，如果你有較大的節(jié)點(diǎn)尺寸。你可能要確保你的YARN隊(duì)列和一般的YARN記憶是恰當(dāng)?shù)摹Ｄ憧赡苓€想把它釘在一個(gè)東西上，這個(gè)東西不是所有人都使用的默認(rèn)隊(duì)列。
8、啟動(dòng)統(tǒng)計(jì)
Hive的確有點(diǎn)愚蠢的東西加入，除非數(shù)據(jù)啟動(dòng)起來(lái)。你可能還想在Impala使用查詢(xún)提示。
9、考慮Mapjoin優(yōu)化
如果你對(duì)查詢(xún)做了解釋?zhuān)憧赡軙?huì)發(fā)現(xiàn)最近Hive的版本足夠聰明到去自動(dòng)應(yīng)用優(yōu)化的。但是你需要去調(diào)整他們。
10、如果可以，把***的表放在***
11、區(qū)分你的朋友……額……
如果你在許多子句的地方有一個(gè)項(xiàng)目，如一個(gè)日期(但是并不是一個(gè)理想的范圍)或者重復(fù)的位置，您可能有您的區(qū)分鍵!分區(qū)的基本意思是”分裂成為它自己的目錄，”這意味著不是在尋找一個(gè)大的文件，Hive查看一個(gè)文件，因?yàn)槟阌媚愕膉oin/where從句讓你只看location=’NC’,這是你的一個(gè)小數(shù)據(jù)集。此外，與列值不同，您可以在負(fù)載數(shù)據(jù)報(bào)表中推分區(qū)。但是，請(qǐng)記住，HDFS不喜歡小的文檔。
12、使用哈希表列的比較
如果你在每個(gè)查詢(xún)中比較相同的10個(gè)字段，考慮使用()對(duì)比總結(jié)。這些有時(shí)是非常有用的，你可能會(huì)把它們放在一個(gè)輸出表中。注意Hive0.12是低分辨率的，但是更好的可以使用的值在0.13。
