Hive常用参数

刺骨的言语ヽ痛彻心扉 2022-03-09 08:45 244阅读 0赞

# Hive常用参数 #

（常用的一些可设置参数，具体数值按照需要进行调整！）  
SET hive.optimize.skewjoin = true;  
SET hive.skewjoin.key = 100000;  
SET hive.exec.dynamic.partition.mode = nonstrict;  
SET mapred.reducer.tasks = 50;

## 1.Hive中间结果压缩和压缩输出 ##

SET hive.exec.compress.output = true; – 默认false  
SET hive.exec.compress.intermediate = true; – 默认false  
SET mapred.output.compression.codec = org.apache.hadoop.io.compress.SnappyCodec; – 默认org.apache.hadoop.io.compress.DefaultCodec  
SET mapred.output.compression.type = BLOCK; – 默认BLOCK

## 2.输出合并小文件 ##

SET hive.merge.mapfiles = true; – 默认true，在map-only任务结束时合并小文件  
SET hive.merge.mapredfiles = true; – 默认false，在map-reduce任务结束时合并小文件  
SET hive.merge.size.per.task = 268435456; – 默认256M  
SET hive.merge.smallfiles.avgsize = 16777216; – 当输出文件的平均大小小于该值时，启动一个独立的map-reduce任务进行文件merge

## 3.设置map和reduce数量 ##

SET mapred.max.split.size = 256000000;  
SET mapred.min.split.size = 64000000;  
SET mapred.min.split.size.per.node = 64000000;  
SET mapred.min.split.size.per.rack = 64000000;  
SET hive.input.format = org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;  
SET hive.exec.reducers.bytes.per.reducer = 256000000; – 默认64M，每个reducer处理的数据量大小

## 4.设置数据倾斜和并行化 ##

SET hive.exec.parallel = true; – 并行执行  
SET hive.exec.parallel.thread.number = 16;  
SET mapred.job.reuse.jvm.num.tasks = 10;  
SET hive.exec.dynamic.partition = true;  
SET hive.optimize.cp = true; – 列裁剪  
SET hive.optimize.pruner = true; – 分区裁剪  
SET hive.groupby.skewindata = true; – groupby数据倾斜  
SET hive.exec.mode.local.auto = true; --本地执行  
SET hive.exec.mode.local.auto.input.files.max = 10; //map数默认是4，当map数小于10就会启动任务本地执行  
SET hive.exec.mode.local.auto.inputbytes.max = 128000000 --默认是128M

## 5.关闭以下两个参数来完成关闭Hive任务的推测执行 ##

SET mapred.map.tasks.speculative.execution=false;  
SET mapred.reduce.tasks.speculative.execution=false;