HIVE调优

HIVE调优

1.HIVE 调优:

需要调优的几个方面:

1.HIVE语句执行不了

2.HIVE查询语句,在集群中执行时,数据无法落地

HIVE执行时,一开始语句检查没有问题,生成了多个JOB,

并且一开JOB中的Map 及 Reduce 正常运行,之后便报异常包括 OOM 异常等

3.HIVE查询语句,执行时,Map或者Reduce端数据处理异常慢,导致整个执行效率低

2.调优方式:

1.分区、分桶

为什么分区或者分桶?

分区的好处,在扫描表时,会根据查询语句中的过滤条件,将固定分区中的数据加载至内存中

避免了表的全表扫描。

分桶好处? 在获取数据时,根据查询的数据,进行做hash操作,将需要获取的数据指定到具体的桶中

,这样只获取固定部分桶数据,减小了数据的加载量

2.使用外部表

外部表和普通表的区别? 删除数据时,外部表不会将HDFS中对应表路径中的数据删除

3.选择适当的文件压缩格式

1.对于刚采集过的源数据,需要用TextFile格式进行保存,需要保证源数据的格式及内容和原先一致

2.对于处理过的数据,一般对数据进行压缩保存(需要考虑实际情况)

4.命名要规范

创建表时,需要遵守:

如果数据存储在dwd中那么建表时需要将 dwd 放至 表的开端

同时后面的业务名称需要和库名用 _ 进行分隔

5.数据分层,表分离,但是也不要分的太散

数据分层:

将不同类型的数据,应当存储在不同库中,

比如 维度表 应当存储在 维度库 、原始数据应当存储在ODS库中专门做管理

表分离:

在实际业务过程中,有一些表的维度比较大,单个表的存储压力大

同时数据读取时,拉去的数据内容比较多,但是所需要的字段较少,浪费计算资源

可以将表中相同类型的信息切分至多个表中,根据实际业务需要进行读取数据

如果分的太散,那么也会造成数据冗余,并且加载表过多,计算慢

6.分区裁剪 where过滤,先过滤,后join

1.针对分区表数据,可以通过where条件进行过滤数据,之后再进行其他操作

2.适当的使用一些子查询,将子查询中的数据进行初步过滤,然后再与其他表数据进行关联

7.mapjoin (1.2以后自动默认启动mapjoin)

select /*+mapjoin(b)*/ a.xx,b.xxx from a left outer join b on a.id=b.id

相关推荐
weixin_307779135 小时前
Linux下GCC和C++实现统计Clickhouse数据仓库指定表中各字段的空值、空字符串或零值比例
linux·运维·c++·数据仓库·clickhouse
RestCloud10 小时前
如何通过ETLCloud实现跨系统数据同步?
数据库·数据仓库·mysql·etl·数据处理·数据同步·集成平台
行云流水行云流水11 小时前
数据库、数据仓库、数据中台、数据湖相关概念
数据库·数据仓库
IvanCodes12 小时前
七、Sqoop Job:简化与自动化数据迁移任务及免密执行
大数据·数据库·hadoop·sqoop
冬至喵喵13 小时前
【hive】函数集锦:窗口函数、列转行、日期函数
大数据·数据仓库·hive·hadoop
Theodore_10221 天前
大数据(2) 大数据处理架构Hadoop
大数据·服务器·hadoop·分布式·ubuntu·架构
簌簌曌1 天前
CentOS7 + JDK8 虚拟机安装与 Hadoop + Spark 集群搭建实践
大数据·hadoop·spark
Theodore_10221 天前
大数据(1) 大数据概述
大数据·hadoop·数据分析·spark·hbase
IvanCodes1 天前
六、Sqoop 导出
大数据·hadoop·sqoop
workflower1 天前
以光量子为例,详解量子获取方式
数据仓库·人工智能·软件工程·需求分析·量子计算·软件需求