一、首先要明白底层map、shuffle、reduce的顺序之中服务器hdfs数据文件在内存与存储之中是怎么演变的，因为hive的性能瓶颈基本在内存，具体参考以下他人优秀文章：
二是要明白hive对应的sql它底层的map reduce的过程中sql字段的执行顺序，来理解map的key、value会填充什么值，才能深刻理解怎么一步一步的减少数据，避免内存占用太多。如mysql的执行顺序（from ->on ->join ->where ->group by ->having ->select ->distinct ->order by ->limit），hive则不是，具体参考以下他人优秀文章：