分区表
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
create table test.test28_partition(id string, name string)
PARTITIONED BY (inc_day string)
STORED AS PARQUET
location 'hdfs://xxx/user/hive/warehouse/test/test27_partition';
show CREATE table test.test28_partition
desc formatted test.test10_partition;
insert into table test.test27_partition PARTITION (inc_day)
select b.dept_code,b.income,b.inc_month from dm_hrmis.ql_jobmatch_dept_message_income_v2 b limit 100000;
1.Hive java.lang.RuntimeException: problem advancing post rec#4010960 的处理方法
处理方法1. 增大Reduce内存
set mapreduce.reduce.memory.mb=8192;
set mapreduce.reduce.java.opts="-Xmx7000m -Xms1800m";
处理方法2. 增大Reduce的个数
增大reduce的个数，目的是减少每个reduce的数据量，使reduce的内存够用。
如以下参数设置每128M数据一个reduce，如果默认设置为256M，则生成的reduce的数量增大一倍。
set hive.exec.reducers.bytes.per.reducer=128000000;
处理方法3. 同时增大Reduce内存和增大Reduce的个数
如果是MapReduce运行，设置运行Reduce时，把shuffle缓冲区保留的数据为0. 设置以下参数不为0可以加大程序的执行速度。如reduce的 shuffle缓冲区大小为2G时，设置此值为0.5，则运行Reduce时，可以有1Gshuffle 数据在内存中。这部分数据不用先写到硬盘，运行Reduce时再从硬盘读入。但是运行Reduce时，可能会造成内存不足。
mapreduce.reduce.input.buffer.percent=0;
处理方法5. 倾斜的数据单独处理
如果前面的方法不能解决问题，说明数据同一key的数据过多，不论reduce设置多少，他们还是进入同一个reduce处理。如果Reduce内存已经设置系统的上限还是报错，只能把倾斜的数据单独处理。 用两个 SQL ,一个SQL只处理倾斜的数据，另一个SQL处理其他数据。
2.动态分区设置
set hive.exec.dynamic.partition.mode=nonstrict;
set hive.exec.dynamic.partition=true;
3.小文件合并设置
<property>
<name>hive.merge.mapfiles</name>
<value>true</value>
</property>
<property>
<name>hive.merge.mapredfiles</name>
<value>true</value>
</property>
<property>
<name>hive.merge.size.per.task</name>
<value>268435456</value>
</property>
<property>
<name>hive.merge.smallfiles.avgsize</name>
<value>67108864</value>
</property>
-- 设置文件合并
set abaci.is.dag.job=false;
set hive.merge.mapredfiles=true;
set mapred.combine.input.format.local.only=false;
set hive.merge.smallfiles.avgsize=100000000;
-- 在map only的情况下，如上的参数如果没有生效，可以设置如下
-- 在HQL的最外层增加distribute by rand()
select * from XXX distribute by rand()
4.查看表结构信息
desc formatted xxx.xxx;
show create table xxx.xxx;
5.队列设置
老版本一般 mapred开头
新版本是mapreduce开头
set mapred.job.queue.name=queue3;
SET mapreduce.job.queuename=queue3;
set mapred.queue.names=queue3;
6.执行引擎设置
set hive.execution.engine=spark;
set hive.execution.engine=mr2;
set hive.execution.engine=tez;
7.使用union all的时候，系统资源足够的情况下，为了加快hive处理速度，可以设置如下参数实现并发执行
set mapred.job.priority=VERY_HIGH;
set hive.exec.parallel=true;
8.设置map reduce个数
-- 设置map capacity
set mapred.job.map.capacity=2000;
set mapred.job.reduce.capacity=2000;
-- 设置每个reduce的大小
set hive.exec.reducers.bytes.per.reducer=500000000;
-- 直接设置个数
set mapred.reduce.tasks = 15;
其他参数设置
hive.cli.print.header=true 查询结果是否显示表头
hive.exec.mode.local.auto=true 设置自动使用本地化而不执行MapReduce
hive.auto.convert.join=true Join优化，开启小表标记
hive job优化
1、并行优化
hive job的并行化执行，在job之间没有依赖关系时可以同时执行，并行数另外配置,默认为8，开启并行会消耗更多的集群资源来提高执行速度，可对特定作业作并行执行合适。
hive.exec.parallel=true;
Job并行最大数，与job并行配置配合使用，但受集群资源与Job之间是否依赖的因素影响，即最大数为64但资源稀缺或存在不依赖的job数不够也无法达到最大值。
hive.exec.parallel.thread.number=8
2、本地模式优化（减低网络IO的负载，对小任务有用，大任务还得分而治之）
hive.exec.mode.local.auto=true;
当一个job满足如下条件会使用本地模式：
①job的输入数据大小必须小于：
hive.exec.mode.local.auto.inputbytes.max (默认128)
②job的map数必须小于参数：
hive.exec.mode.local.auto.tasks.max (默认4)
③job的reduce数必须为0或者1
3、job合并输入小文件（会启动新的job合并文件）
hive.merge.smallfiles.avgsize=256000000;
当输出文件平均大小小于该值，启动新job合并文件
hive.merge.size.per.task=64000000;
合并之后的文件大小
4.jvm重利用
mapred.job.reuse.jvm.num.tasks=20;
JVM重利用可以使job长时间保留slot（下个map无需再次初始化jvm），直到作业结束，这个对于较多任务和较多小文件的任务是非常有意义的，减少执行时间。当然这个值不能设置过大，因为有些作业会有reduce任务，如果reduce任务没有完成，则map认为占用的slot不能释放，其他的作业可能就需要等待。
5、压缩数据
中间压缩就是处理hive查询的多个job之间的数据，对于中间压缩，最好选择一个节省CPU耗时的压缩方式
hive.exec.compress.intermediate=true;//决定查询的中间 map/reduce job （中间 stage）的输出是否为压缩格式
hive.intermediate.compression.codec=org.apache.hadoop.io.compress.SnappyCodec; //中间 map/reduce job 的压缩编解码器的类名（一个压缩编解码器可能包含多种压缩类型），该值可能在程序中被自动设置。
hive.intermediate.compression.type=BLOCK (压缩单元为块压缩) //中间 map/reduce job 的压缩类型，如 "BLOCK""RECORD"
hive查询最终的输出也可以压缩
hive.exec.compress.output=true; //决定查询中最后一个 map/reduce job 的输出是否为压缩格式
mapred.output.compression.codec=orgapache.hadoop.io.compress.GzipCodec; // 压缩格式
mapred.output.compression.type=BLOCK //压缩类型
6、Map优化
mapred.map.taskes=10;
(1)默认map个数
default_num = total_size / block_size;
(2)期望大小
goal_num = mapred.map.casks;
(3)设置处理的文件大小
split_size = max(mapred.min.split.size,block_size);
split_num = total_size / split_size;
(4)计算的map个数
compute_map_num = min(split_num,max(default_num,goal_num));
经过以上的分析，在设置map个数的时候，可以简单的总结为一下的几点：
（1）如果增大map个数，则设置mapred.map.tasks为一个较大的值
（2）如果想减小map个数，则设置mapred.min.split.size为一个较大的值。
情况1：输入文件size巨大，但不是小文件）
增大mapred.min.split.size的值
情况2：输入文件数量巨大，且都是小文件，就是单个文件的size小于blockSize。（造成网络负载大）
这种情况通过增大mapred.min.split.size不可行，需要使用CombineFileInputFormat将多个input path合并成一个InputSplit送个mapper处理，从而减少mapper的数量
map端聚合（执行combine）
hive.map.aggr=true; //消耗更多的内存来提高效率
推测执行(多启动一个map来防止map失败)
mapred.map.tasks.speculative.execution
mapred.map.tasks.speculative.execution=true
mapred.reduce.tasks.speculative.execution=true
hive.mapred.reduce.tasks.speculative.execution=true;
7、Hive Shuffle优化
|
Map端
|
Reduce端
|
io.sort.mb
io.sort.spill.percent
min.num.spill.for.combine
io.sort.factor
io.sort.record.percent
|
mapred.reduce.parallel.copies
mapred.reduce.copy.backoff
io.sort.factor
mapred.job.shuffle.input.buffer.percent
mapred.job.reduce.input.buffer.percent
|
8、Hive Reduce优化
（1）设置reduce数
mapred.reduce.tasks = 10 (设置了也未必全用，使用个数公式如下)
hive.exec.reducers.max 默认999
hive.exec.reducer.bytes.per.reducer 默认：1G
reduce使用个数的计算公式
numRTasks = min [ maxReducers,input.size / perReducer ]
maxReducers = hive.exec.reducers.max
perReducer = hive.exec.reducers.bytes.per.reducer
（2）推测执行
mapred.reduce.tasks.speculative.execution
hive.mapred.reduce.tasks.speculative.excution
9、数据倾斜优化
注意：如果hql使用多个distinct是无法使用这个参数去解决倾斜问题，可以改用sum（）+group by解决
hive.optimize.skewjoin //是否优化数据倾斜的 Join，对于倾斜的 Join 会开启新的 Map/Reduce Job 处理。
数据倾斜时负载均衡，当选项设定为true，生成的查询计划会有两个MRJob。第一个MRJob 中，
Map的输出结果集合会随机分布到Reduce中，每个Reduce做部分聚合操作，并输出结果，这样处理的结果是相同的GroupBy Key
有可能被分发到不同的Reduce中，从而达到负载均衡的目的；第二个MRJob再根据预处理的数据结果按照GroupBy Key分布到
Reduce中（这个过程可以保证相同的GroupBy Key被分布到同一个Reduce中），最后完成最终的聚合操作。
默认值：false
hive.skewjoin.key //倾斜键数目阈值，超过此值则判定为一个倾斜的 Join 查询。
默认值： 1000000
hive.skewjoin.mapjoin.map.tasks //处理数据倾斜的 Map Join 的 Map 数上限。
默认值： 10000
hive.skewjoin.mapjoin.min.split //处理数据倾斜的 Map Join 的最小数据切分大小，以字节为单位，默认为32M。
默认值：33554432
hive.exec.mode.local.auto
决定 Hive 是否应该自动地根据输入文件大小，在本地运行（在GateWay运行）
默认值：true
hive.exec.mode.local.auto.inputbytes.max
如果hive.exec.mode.local.auto 为 true，当输入文件大小小于此阈值时可以自动在本地模式运行，默认是 128兆。
默认值：134217728L
hive.exec.mode.local.auto.tasks.max
如果hive.exec.mode.local.auto 为 true，当 Hive Tasks（Hadoop Jobs）小于此阈值时，可以自动在本地模式运行。
默认值：4
hive.auto.convert.join
是否根据输入小表的大小，自动将 Reduce 端的 Common Join 转化为 Map Join，从而加快大表关联小表的 Join 速度。
默认值：false
hive.mapred.local.mem
Mapper/Reducer在本地模式的最大内存量，以字节为单位，0为不限制。
默认值：0
mapred.reduce.tasks
所提交 Job 的 reduer 的个数，使用 Hadoop Client 的配置。
默认值：1
hive.exec.scratchdir
HDFS路径，用于存储不同 map/reduce 阶段的执行计划和这些阶段的中间输出结果。
默认值：/tmp/<user.name>/hive
hive.metastore.warehouse.dir
Hive 默认的数据文件存储路径，通常为 HDFS 可写的路径。
默认值："
hive.groupby.skewindata
决定 group by 操作是否支持倾斜的数据。
默认值：false
hive.merge.mapfiles
在Map-only的任务结束时合并小文件。
是否开启合并 Map 端小文件，对于 Hadoop 0.20 以前的版本，起一个新的 Map/Reduce Job，对于 0.20 以后的版本，则是起使用 CombineInputFormat 的 MapOnly Job。
是否开启合并 Map 端小文件，当Hive输入由很多个小文件组成，由于每个小文件都会启动一个map任务，如果文件过小，会使得map任务启动和初始化的时间大于逻辑处理的时间，造成资源浪费，甚至OOM。为此，当我们启动一个任务，发现输入数据量小但任务数量多时，需要注意在Map前端进行输入合并。当然，在我们向一个表写数据时，也需要注意输出文件大小
默认值：true
hive.merge.mapredfiles
是否开启合并 Map/Reduce 小文件，对于 Hadoop 0.20 以前的版本，起一个新的 Map/Reduce Job，对于 0.20 以后的版本，则是起使用 CombineInputFormat 的 MapOnly Job。
是否开启合并 Map/Reduce 小文件，即是否在Map-Reduce的任务结束时合并小文件。
默认值：false
hive.limit.optimize.enable
当使用LIMIT语句时，其可以对数据源进行抽样，避免执行整个查询语句，然后再返回部分结果
但这个功能有个缺点，有可能输入中有用的数据永远不会被处理到。
hive.default.fileformat
Hive 默认的输出文件格式，与创建表时所指定的相同，
可选项为 'TextFile' 、 'SequenceFile' 或者 'RCFile'。 'TextFile'
hive.mapred.mode
Map/Redure 模式，如果设置为 strict，将禁止3中类型的查询：
1.分区表的where筛选条件必须含有分区字段；
2.对使用了order by语句的查询，必须使用limit语句(order by语句为执行排序会将所有的结果集数据分发到同一个reducer中进行处理，增加limit语句可以防止reducer额外执行很长时间)
3.限制笛卡儿积的查询，就是有where语句，而没有on语句。
默认值： 'nonstrict'
hive.exec.parallel
是否开启 map/reduce job的并发提交。
默认值： false
hive.security.authorization.enabled
Hive 是否开启权限认证。
默认值：false
hive.exec.plan
Hive 执行计划的路径，会在程序中自动进行设置
默认值：null
hive.exec.submitviachild
决定 map/reduce Job 是否应该使用各自独立的 JVM 进行提交（Child进程），默认情况下，使用与 HQL compiler 相同的 JVM 进行提交。
默认值：false
hive.exec.script.maxerrsize
通过 TRANSFROM/MAP/REDUCE 所执行的用户脚本所允许的最大的序列化错误数。
默认值：100000
hive.exec.script.allow.partial.consumption
是否允许脚本只处理部分数据，如果设置为 true ，因 broken pipe 等造成的数据未处理完成将视为正常。
默认值：false
hive.exec.compress.output
决定查询中最后一个 map/reduce job 的输出是否为压缩格式。
默认值：false
hive.exec.compress.intermediate
决定查询的中间 map/reduce job （中间 stage）的输出是否为压缩格式。
默认值：false
hive.intermediate.compression.codec
中间 map/reduce job 的压缩编解码器的类名（一个压缩编解码器可能包含多种压缩类型），该值可能在程序中被自动设置。
hive.intermediate.compression.type
中间 map/reduce job 的压缩类型，如 "BLOCK""RECORD"。
hive.exec.reducers.bytes.per.reducer
每一个 reducer 的平均负载字节数。
默认值：1000000000
hive.exec.reducers.max
设置reducer 个数的上限。
可以阻止某个查询消耗过多的reducer资源，对这个属性值大小的设定，一个建议的计算公式如下：
(集群总Reduce槽位个数*1.5) / (执行中查询的平均个数)
1.5倍数是一个经验系数，用于防止未充分利用集群的情况。
默认值：999
hive.exec.rowoffset
hive提供了2种虚拟列：一种用于将要进行划分的输入文件名，另一种用于文件中的块内偏移量。当hive产生了非预期的或null的返回结果时，可以通过这些虚拟列诊断查询。通过这些“字段”，用户可以查看到哪个文件甚至哪些数据导致出现问题：
SELECT
INPUT_FILE_NAME,
BLOCK_OFFSET_INSIDE_FILE,
ROW_OFFSET_INSIDE_BLOCK,
line
FROM hive_text
WHERE line LIKE '%hive%' LIMIT 2;
默认值：true
hive.multigroupby.singlemr
一个特别的优化，是否将查询中的多个group by操作组装到单个MapReduce任务中。
默认值：false
hive.exec.pre.hooks
语句层面，整条 HQL 语句在执行前的 hook 类名。
默认值："
hive.exec.post.hooks
语句层面，整条 HQL 语句在执行完成后的 hook 类名。
hive.exec.parallel.thread.number
并发提交时的并发线程的个数。
默认值：8
hive.mapred.reduce.tasks.speculative.execution
是否开启 reducer 的推测执行，与mapred.reduce.tasks.speculative.execution 作用相同。
默认值：false
hive.exec.counters.pull.interval
客户端拉取 progress counters 的时间，以毫秒为单位。
默认值：1000L
hive.exec.dynamic.partition
是否打开动态分区。
默认值：false
hive.exec.dynamic.partition.mode
打开动态分区后，动态分区的模式，有 strict 和 nonstrict 两个值可选，strict 要求至少包含一个静态分区列，nonstrict 则无此要求。
默认值：strict
hive.exec.max.dynamic.partitions
所允许的最大的动态分区的个数。
默认值：1000
hive.exec.max.dynamic.partitions.pernode
单个 reduce 结点所允许的最大的动态分区的个数。
默认值：100
hive.exec.default.partition.name
默认的动态分区的名称，当动态分区列为''或者null时，使用此名称。'' '__HIVE_DEFAULT_PARTITION__'
hadoop.bin.path
HadoopClient 可执行脚本的路径，该路径用于通过单独的 JVM 提交 job，使用 Hadoop Client 的配置。
默认值：$HADOOP_HOME/bin/hadoop
hadoop.config.dir
HadoopClient 配置文件的路径，使用 HadoopClient 的配置。
默认值：$HADOOP_HOME/conf
fs.default.name
Namenode 的 URL，使用 Hadoop Client 的配置。
默认值：file:///
map.input.file
Map 的输入文件，使用 Hadoop Client 的配置。
默认值：null
mapred.input.dir
Map 的输入目录，使用 Hadoop Client 的配置。
默认值： null
mapred.input.dir.recursive
输入目录是否可递归嵌套，使用 HadoopClient 的配置。
默认值：false
mapred.job.tracker
Job Tracker的 URL，使用 Hadoop Client 的配置，如果这个配置设置为 'local'，将使用本地模式。
默认值：local
mapred.job.name
Map/Reduce 的 job 名称，如果没有设置，则使用生成的 job name，使用 Hadoop Client 的配置。
默认值：null
mapred.reduce.tasks.speculative.execution
Map/Reduce 推测执行，使用 Hadoop Client 的配置。
默认值：null
hive.metastore.metadb.dir
Hive 元数据库所在路径。
默认值："
hive.metastore.uris
Hive 元数据的 URI，多个 thrift://地址，以英文逗号分隔。
默认值："
hive.metastore.connect.retries
连接到 Thrift 元数据服务的最大重试次数。
默认值：3
javax.jdo.option.ConnectionPassword
JDO 的连接密码。
默认值："
hive.metastore.ds.connection.url.hook
JDO 连接 URL Hook 的类名，该 Hook 用于获得 JDO 元数据库的连接字符串，为实现了JDOConnectionURLHook 接口的类。
默认值："
javax.jdo.option.ConnectionURL
元数据库的连接 URL。
默认值："
hive.metastore.ds.retry.attempts
当没有 JDO 数据连接错误后，尝试连接后台数据存储的最大次数。
默认值：1
hive.metastore.ds.retry.interval
每次尝试连接后台数据存储的时间间隔，以毫秒为单位。
默认值：1000
hive.metastore.force.reload.conf
是否强制重新加载元数据配置，一但重新加载，该值就会被重置为 false。
默认值：false
hive.metastore.server.min.threads
Thrift 服务线程池的最小线程数。
默认值：8
hive.metastore.server.max.threads
Thrift 服务线程池的最大线程数。
默认值：0x7fffffff
hive.metastore.server.tcp.keepalive
Thrift 服务是否保持 TCP 连接。
默认值：true
hive.metastore.archive.intermediate.original
用于归档压缩的原始中间目录的后缀，这些目录是什么并不重要，只要能够避免冲突即可。
默认值：'_INTERMEDIATE_ORIGINAL'
hive.metastore.archive.intermediate.archived
用于归档压缩的压缩后的中间目录的后缀，这些目录是什么并不重要，只要能够避免冲突即可。
默认值：'_INTERMEDIATE_ARCHIVED'
hive.metastore.archive.intermediate.extracted
用于归档压缩的解压后的中间目录的后缀，这些目录是什么并不重要，只要能够避免冲突即可。
默认值：'_INTERMEDIATE_EXTRACTED'
hive.cli.errors.ignore
是否忽略错误，对于包含多的 SQL 文件，可以忽略错误的行，继续执行下一行。
默认值：false
hive.session.id
当前会话的标识符，格式为“用户名_时间”用于记录在 job conf 中，一般不予以手动设置。
默认值："
hive.session.silent
当前会话是否在 silent 模式运行。 如果不是 silent 模式，所以 info 级打在日志中的消息，都将以标准错误流的形式输出到控制台。
默认值：false
hive.query.string
当前正在被执行的查询字符串。
默认值："
hive.query.id
当前正在被执行的查询的ID。
默认值： "
hive.query.planid
当前正在被执行的 map/reduce plan 的 ID。
默认值： "
hive.jobname.length
当前 job name 的最大长度，hive 会根据此长度省略 job name 的中间部分。
默认值：50
hive.jar.path
通过单独的 JVM 提交 job 时，hive_cli.jar 所在的路径
默认值："
hive.aux.jars.path
各种由用户自定义 UDF 和 SerDe 构成的插件 jar 包所在的路径。
默认值："
hive.added.files.path
ADD FILE 所增加的文件的路径。
默认值："
hive.added.jars.path
ADD JAR 所增加的文件的路径。
默认值： "
hive.added.archives.path
ADDARCHIEVE 所增加的文件的路径。
默认值："
hive.table.name
当前的 Hive 表的名称，该配置将通过 ScirptOperator 传入到用户脚本中。
默认值："
hive.partition.name
当前的 Hive 分区的名称，该配置将通过 ScriptOperator 传入到用户脚本中。
默认值："
hive.script.auto.progress
脚本是否周期性地向 Job Tracker 发送心跳，以避免脚本执行的时间过长，使 JobTracker 认为脚本已经挂掉了。
默认值：false
hive.script.operator.id.env.var
用于识别 ScriptOperator ID 的环境变量的名称。
默认值：'HIVE_SCRIPT_OPERATOR_ID'
hive.alias
当前的 Hive 别名，该配置将通过 ScriptOpertaor 传入到用户脚本中。
默认值："
hive.map.aggr
决定是否可以在 Map 端进行聚合操作
默认值：true
hive.join.emit.interval
Hive Join 操作的发射时间间隔，以毫秒为单位。
默认值：1000
hive.join.cache.size
Hive Join 操作的缓存大小，以字节为单位。
默认值：25000
hive.mapjoin.bucket.cache.size
Hive MapJoin 桶的缓存大小，以字节为单位。
默认值：100
hive.mapjoin.size.key
Hive MapJoin 每一行键的大小，以字节为单位。
默认值：10000
hive.mapjoin.cache.numrows
Hive MapJoin 所缓存的行数。
默认值：25000
hive.groupby.mapaggr.checkinterval
对于 Group By 操作的 Map 聚合的检测时间，以毫秒为单位。
默认值：100000
hive.map.aggr.hash.percentmemory
Hive Map 端聚合的哈稀存储所占用虚拟机的内存比例。
默认值：0.5
hive.map.aggr.hash.min.reduction
Hive Map 端聚合的哈稀存储的最小 reduce 比例。
默认值：0.5
hive.udtf.auto.progress
Hive UDTF 是否周期性地报告心跳，当 UDTF 执行时间较长且不输出行时有用。
默认值：false
hive.fileformat.check
Hive 是否检查输出的文件格式。
默认值：true
hive.querylog.location
Hive 实时查询日志所在的目录，如果该值为空，将不创建实时的查询日志。
默认值：'/tmp/$USER'
hive.script.serde
Hive 用户脚本的 SerDe。
默认值：'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
hive.script.recordreader
Hive 用户脚本的 RecordRedaer。
默认值：'org.apache.hadoop.hive.ql.exec.TextRecordReader'
hive.script.recordwriter
Hive 用户脚本的 RecordWriter。
默认值：'org.apache.hadoop.hive.ql.exec.TextRecordWriter'
hive.hwi.listen.host
HWI 所绑定的 HOST 或者 IP。
默认值：'0.0.0.0'
hive.hwi.listen.port
HWI 所监听的 HTTP 端口。
默认值：9999
hive.hwi.war.file
HWI 的 war 文件所在的路径。
默认值：$HWI_WAR_FILE
hive.test.mode
是否以测试模式运行 Hive
默认值：false
hive.test.mode.prefix
Hive 测试模式的前缀。
默认值：'test_'
hive.test.mode.samplefreq
Hive 测试模式取样的频率，即每秒钟取样的次数。
默认值：32
hive.test.mode.nosamplelist
Hive 测试模式取样的排除列表，以逗号分隔。
默认值："
hive.merge.size.per.task
每个任务合并后文件的大小，根据此大小确定 reducer 的个数，默认 256 M。
默认值：256000000
hive.merge.smallfiles.avgsize
需要合并的小文件群的平均大小，默认 16 M。
默认值：16000000
hive.optimize.skewjoin
是否优化数据倾斜的 Join，对于倾斜的 Join 会开启新的 Map/Reduce Job 处理。
默认值：false
hive.skewjoin.key 倾斜键数目阈值，超过此值则判定为一个倾斜的 Join 查询。
默认值： 1000000
hive.skewjoin.mapjoin.map.tasks
处理数据倾斜的 Map Join 的 Map 数上限。
默认值： 10000
hive.skewjoin.mapjoin.min.split
处理数据倾斜的 Map Join 的最小数据切分大小，以字节为单位，默认为32M。
默认值：33554432
mapred.min.split.size
Map ReduceJob 的最小输入切分大小，与 HadoopClient 使用相同的配置。
默认值：1
hive.mergejob.maponly
是否启用 Map Only 的合并 Job。
默认值：true
hive.heartbeat.interval
Hive Job 的心跳间隔，以毫秒为单位。
默认值：1000
hive.mapjoin.maxsize
Map Join 所处理的最大的行数。超过此行数，Map Join进程会异常退出。
默认值：1000000
hive.hashtable.initialCapacity
Hive 的 Map Join 会将小表 dump 到一个内存的 HashTable 中，该 HashTable 的初始大小由此参数指定。
默认值：100000
hive.hashtable.loadfactor
Hive 的 Map Join 会将小表 dump 到一个内存的 HashTable 中，该 HashTable 的负载因子由此参数指定。
默认值：0.75
hive.mapjoin.followby.gby.localtask.max.memory.usage
MapJoinOperator后面跟随GroupByOperator时，内存的最大使用比例
默认值：0.55
hive.mapjoin.localtask.max.memory.usage
Map Join 的本地任务使用堆内存的最大比例
默认值：0.9
hive.mapjoin.localtask.timeout
Map Join 本地任务超时，淘宝版特有特性
默认值：600000
hive.mapjoin.check.memory.rows
设置每多少行检测一次内存的大小，如果超过hive.mapjoin.localtask.max.memory.usage 则会异常退出，Map Join 失败。
默认值：100000
hive.debug.localtask
是否调试本地任务，目前该参数没有生效
默认值：false
hive.task.progress
是否开启 counters ，以记录 Job 执行的进度，同时客户端也会拉取进度 counters。
默认值：false
hive.input.format
Hive 的输入 InputFormat。
默认是org.apache.hadoop.hive.ql.io.HiveInputFormat，
其他还有org.apache.hadoop.hive.ql.io.CombineHiveInputFormat
hive.enforce.bucketing
是否启用强制 bucketing。
默认值：false
hive.enforce.sorting
是否启用强制排序。
默认值：false
hive.mapred.partitioner
Hive 的 Partitioner 类。
默认值：'org.apache.hadoop.hive.ql.io.DefaultHivePartitioner'
hive.exec.script.trust
Hive ScriptOperator For trust
默认值：false
hive.hadoop.supports.splittable.combineinputformat
是否支持可切分的CombieInputFormat
默认值：false
hive.optimize.cp
是否优化列剪枝。
默认值：true
hive.optimize.ppd
是否优化谓词下推。
默认值：true
hive.optimize.groupby
是否优化 group by。
默认值：true
hive.optimize.bucketmapjoin
是否优化 bucket map join。
默认值：false
hive.optimize.bucketmapjoin.sortedmerge
是否在优化 bucket map join 时尝试使用强制 sorted merge bucketmap join。 默认值：false
hive.optimize.reducededuplication
是否优化 reduce 冗余。
默认值：true
hive.hbase.wal.enabled
是否开启 HBase Storage Handler。
默认值：true
hive.archive.enabled
是否启用 har 文件。
默认值：false
hive.archive.har.parentdir.settable
是否启用 har 文件的父目录可设置。
默认值：false
hive.outerjoin.supports.filters
是否启动外联接支持过滤条件。
默认值：true
hive.fetch.output.serde
对于 Fetch Task 的 SerDe 类
默认值：'org.apache.hadoop.hive.serde2.DelimitedJSONSerDe'
hive.semantic.analyzer.hook
Hive 语义分析的 Hook，在语义分析阶段的前后被调用，用于分析和修改AST及生成的执行计划，以逗号分隔。
默认值：null
hive.cli.print.header
是否显示查询结果的列名，默认为不显示。
默认值：false
hive.cli.encoding
Hive 默认的命令行字符编码。
默认值：'UTF8'
hive.log.plan.progress
是否记录执行计划的进度。
默认值：true
hive.pull.progress.counters
是否从 Job Tracker 上拉取 counters，淘宝特有配置项。
默认值：true
hive.job.pre.hooks
每个 Job 提交前执行的 Hooks 列表，以逗号分隔，淘宝特有配置项。
默认值："
hive.job.post.hooks
每个 Job 完成后执行的 Hooks 列表，以逗号分隔，淘宝特有配置项。
默认值："
hive.max.progress.counters
Hive 最大的进度 couters 个数，淘宝特有配置项。
默认值：100
hive.exec.script.wrapper
ScriptOperator 脚本调用的封装，通常为脚本解释程序。例如，可以把该变量值的名称设置为"python"，那么传递到 Script Operator 的脚本将会以"python<script command>"的命令形式进行调用，如果这个值为null或者没有设置，那么该脚本将会直接以"<scriptcommand>"的命令形式调用。
默认值：null
hive.check.fatal.errors.interval
客户端通过拉取 counters 检查严重错误的周期，以毫秒为单位，淘宝特有配置项。
默认值：5000L
hive.exec.mode.local.auto
决定 Hive 是否应该自动地根据输入文件大小，在本地运行（在GateWay运行）
true
hive.exec.mode.local.auto.inputbytes.max
如果 hive.exec.mode.local.auto 为 true，当输入文件大小小于此阈值时可以自动在本地模式运行，默认是 128兆。
134217728L
hive.exec.mode.local.auto.tasks.max
如果 hive.exec.mode.local.auto 为 true，当 Hive Tasks（Hadoop Jobs）小于此阈值时，可以自动在本地模式运行。
4
hive.auto.convert.join
是否根据输入小表的大小，自动将 Reduce 端的 Common Join 转化为 Map Join，从而加快大表关联小表的 Join 速度。
false
hive.mapred.local.mem
Mapper/Reducer 在本地模式的最大内存量，以字节为单位，0为不限制。
0
mapred.reduce.tasks
所提交 Job 的 reduer 的个数，使用 Hadoop Client 的配置。
默认是-1，表示Job执行的个数交由Hive来分配
-1
hive.exec.scratchdir
HDFS路径，用于存储不同 map/reduce 阶段的执行计划和这些阶段的中间输出结果。
/tmp/<user.name>/hive
hive.metastore.warehouse.dir
Hive 默认的数据文件存储路径，通常为 HDFS 可写的路径。
"
hive.groupby.skewindata
决定 group by 操作是否支持倾斜的数据。
原理是，在Group by中，对一些比较小的分区进行合并
false
hive.merge.mapfiles
是否开启合并 Map 端小文件，对于 Hadoop 0.20 以前的版本，起一首新的 Map/Reduce Job，对于 0.20 以后的版本，则是起使用 CombineInputFormat 的 MapOnly Job。
true
hive.merge.mapredfiles
是否开启合并 Map/Reduce 小文件，对于 Hadoop 0.20 以前的版本，起一首新的 Map/Reduce Job，对于 0.20 以后的版本，则是起使用 CombineInputFormat 的 MapOnly Job。
false
hive.default.fileformat
Hive 默认的输出文件格式，与创建表时所指定的相同，可选项为 'TextFile' 、 'SequenceFile' 或者 'RCFile'。
'TextFile'
hive.mapred.mode
Map/Redure 模式，如果设置为 strict，将不允许笛卡尔积。
'nonstrict'
hive.exec.parallel
是否开启 map/reduce job的并发提交。
默认Map/Reduce job是顺序执行的，默认并发数量是8，可以配置
false
hive.security.authorization.enabled
Hive 是否开启权限认证。
开启认证后，需要执行授权语句才能对表进行操作，详细请见hive.apache.org
false
hive.exec.plan
Hive 执行计划的路径，会在程序中自动进行设置
null
hive.exec.submitviachild
决定 map/reduce Job 是否应该使用各自独立的 JVM 进行提交（Child进程），默认情况下，使用与 HQL compiler 相同的 JVM 进行提交。
false
hive.exec.script.maxerrsize
通过 TRANSFROM/MAP/REDUCE 所执行的用户脚本所允许的最大的序列化错误数。
100000
hive.exec.script.allow.partial.consumption
是否允许脚本只处理部分数据，如果设置为 true ，因broken pipe等造成的数据未处理完成将视为正常。
false
hive.exec.compress.output
决定查询中最后一个 map/reduce job 的输出是否为压缩格式。
false
hive.exec.compress.intermediate
决定查询的中间 map/reduce job（中间 stage）的输出是否为压缩格式。
对于只进行Map的数据就没有必要了。压缩可以减少网络IO，提高效率。
false
hive.intermediate.compression.codec
中间 map/reduce job 的压缩编解码器的类名（一个压缩编解码器可能包含多种压缩类型），该值可能在程序中被自动设置。 LZO
hive.intermediate.compression.type
中间 map/reduce job 的压缩类型，如 "BLOCK" "RECORD"。
hive.exec.reducers.bytes.per.reducer
每一个 reducer 的平均负载字节数。
改变此参数可以用来影响hive的启动的Reducer的个数，默认每个Reducer处理1G数据
1000000000
hive.exec.reducers.max
reducer 个数的上限。
999
hive.exec.pre.hooks
语句层面，整条 HQL 语句在执行前的 hook 类名。
"
hive.exec.post.hooks
语句层面，整条 HQL 语句在执行完成后的 hook 类名。
hive.exec.parallel.thread.number
并发提交时的并发线程的个数。 默认8个
8
hive.mapred.reduce.tasks.speculative.execution
是否开启 reducer 的推测执行，与 mapred.reduce.tasks.speculative.execution 作用相同。
false
hive.exec.counters.pull.interval
客户端拉取 progress counters 的时间，以毫秒为单位。
1000L
hive.exec.dynamic.partition
是否打开动态分区。 需要打开
false
hive.exec.dynamic.partition.mode
打开动态分区后，动态分区的模式，有 strict 和 nonstrict 两个值可选，strict 要求至少包含一个静态分区列，nonstrict 则无此要求。
建议设置成nonstrict，strict情况下，查询表数据要求强制指定分区。
strict
hive.exec.max.dynamic.partitions
所允许的最大的动态分区的个数。可以手动增加分区。
1000
hive.exec.max.dynamic.partitions.pernode
单个 reduce 结点所允许的最大的动态分区的个数。
100
hive.exec.default.partition.name
默认的动态分区的名称，当动态分区列为''或者null时，使用此名称。''
'__HIVE_DEFAULT_PARTITION__'
hadoop.bin.path
Hadoop Client 可执行脚本的路径，该路径用于通过单独的 JVM 提交 job，使用 Hadoop Client 的配置。
$HADOOP_HOME/bin/hadoop
hadoop.config.dir
Hadoop Client 配置文件的路径，使用 Hadoop Client 的配置。
$HADOOP_HOME/conf
fs.default.name
Namenode 的 URL，使用 Hadoop Client 的配置。
file:///
map.input.file
Map 的输入文件，使用 Hadoop Client 的配置。
null
mapred.input.dir
Map 的输入目录，使用 Hadoop Client 的配置。
null
mapred.input.dir.recursive
输入目录是否可递归嵌套，使用 Hadoop Client 的配置。
false
mapred.job.tracker
Job Tracker 的 URL，使用 Hadoop Client 的配置，如果这个配置设置为 'local'，将使用本地模式。
local
mapred.job.name
Map/Reduce 的 job 名称，如果没有设置，则使用生成的 job name，使用 Hadoop Client 的配置。
null
mapred.reduce.tasks.speculative.execution
Map/Reduce 推测执行，使用 Hadoop Client 的配置。
null
hive.metastore.metadb.dir
Hive 元数据库所在路径。
"
hive.metastore.uris
Hive 元数据的 URI，多个 thrift://地址，以英文逗号分隔。
"
hive.metastore.connect.retries
连接到 Thrift 元数据服务的最大重试次数。
3
javax.jdo.option.ConnectionPassword
JDO 的连接密码。
"
hive.metastore.ds.connection.url.hook
JDO 连接 URL Hook 的类名，该 Hook 用于获得 JDO 元数据库的连接字符串，为实现了 JDOConnectionURLHook 接口的类。
"
javax.jdo.option.ConnectionURL
元数据库的连接 URL。
"
hive.metastore.ds.retry.attempts
当没有 JDO 数据连接错误后，尝试连接后台数据存储的最大次数。
1
hive.metastore.ds.retry.interval
每次尝试连接后台数据存储的时间间隔，以毫秒为单位。
1000
hive.metastore.force.reload.conf
是否强制重新加载元数据配置，一但重新加载，该值就会被重置为 false。
false
hive.metastore.server.min.threads
Thrift 服务线程池的最小线程数。
8
hive.metastore.server.max.threads
Thrift 服务线程池的最大线程数。
0x7fffffff
hive.metastore.server.tcp.keepalive
Thrift 服务是否保持 TCP 连接。
true
hive.metastore.archive.intermediate.original
用于归档压缩的原始中间目录的后缀，这些目录是什么并不重要，只要能够避免冲突即可。
'_INTERMEDIATE_ORIGINAL'
hive.metastore.archive.intermediate.archived
用于归档压缩的压缩后的中间目录的后缀，这些目录是什么并不重要，只要能够避免冲突即可。
'_INTERMEDIATE_ARCHIVED'
hive.metastore.archive.intermediate.extracted
用于归档压缩的解压后的中间目录的后缀，这些目录是什么并不重要，只要能够避免冲突即可。
'_INTERMEDIATE_EXTRACTED'
hive.cli.errors.ignore
是否忽略错误，对于包含多的 SQL 文件，可以忽略错误的行，继续执行下一行。
false
hive.session.id
当前会话的标识符，格式为“用户名_时间”用于记录在 job conf 中，一般不予以手动设置。
"
hive.session.silent
当前会话是否在 silent 模式运行。 如果不是 silent 模式，所以 info 级打在日志中的消息，都将以标准错误流的形式输出到控制台。
false
hive.query.string
当前正在被执行的查询字符串。
"
hive.query.id
当前正在被执行的查询的ID。
"
hive.query.planid
当前正在被执行的 map/reduce plan 的 ID。
"
hive.jobname.length
当前 job name 的最大长度，hive 会根据此长度省略 job name 的中间部分。
50
hive.jar.path
通过单独的 JVM 提交 job 时，hive_cli.jar 所在的路径
"
hive.aux.jars.path
各种由用户自定义 UDF 和 SerDe 构成的插件 jar 包所在的路径。
"
hive.added.files.path
ADD FILE 所增加的文件的路径。
"
hive.added.jars.path
ADD JAR 所增加的文件的路径。
"
hive.added.archives.path
ADD ARCHIEVE 所增加的文件的路径。
"
hive.table.name
当前的 Hive 表的名称，该配置将通过 ScirptOperator 传入到用户脚本中。
"
hive.partition.name
当前的 Hive 分区的名称，该配置将通过 ScriptOperator 传入到用户脚本中。
"
hive.script.auto.progress
脚本是否周期性地向 Job Tracker 发送心跳，以避免脚本执行的时间过长，使 Job Tracker 认为脚本已经挂掉了。
false
hive.script.operator.id.env.var
用于识别 ScriptOperator ID 的环境变量的名称。
'HIVE_SCRIPT_OPERATOR_ID'
hive.alias
当前的 Hive 别名，该配置将通过 ScriptOpertaor 传入到用户脚本中。
"
hive.map.aggr
决定是否可以在 Map 端进行聚合操作
true
hive.join.emit.interval
Hive Join 操作的发射时间间隔，以毫秒为单位。
1000
hive.join.cache.size
Hive Join 操作的缓存大小，以字节为单位。
25000
hive.mapjoin.bucket.cache.size
Hive Map Join 桶的缓存大小，以字节为单位。
100
hive.mapjoin.size.key
Hive Map Join 每一行键的大小，以字节为单位。
10000
hive.mapjoin.cache.numrows
Hive Map Join 所缓存的行数。
25000
hive.groupby.mapaggr.checkinterval
对于 Group By 操作的 Map 聚合的检测时间，以毫秒为单位。
100000
hive.map.aggr.hash.percentmemory
Hive Map 端聚合的哈稀存储所占用虚拟机的内存比例。
0.5
hive.map.aggr.hash.min.reduction
Hive Map 端聚合的哈稀存储的最小 reduce 比例。
0.5
hive.udtf.auto.progress
Hive UDTF 是否周期性地报告心跳，当 UDTF 执行时间较长且不输出行时有用。
false
hive.fileformat.check
Hive 是否检查输出的文件格式。
true
hive.querylog.location
Hive 实时查询日志所在的目录，如果该值为空，将不创建实时的查询日志。
'/tmp/$USER'
hive.script.serde
Hive 用户脚本的 SerDe。
'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
hive.script.recordreader
Hive 用户脚本的 RecordRedaer。
'org.apache.hadoop.hive.ql.exec.TextRecordReader'
hive.script.recordwriter
Hive 用户脚本的 RecordWriter。
'org.apache.hadoop.hive.ql.exec.TextRecordWriter'
hive.hwi.listen.host
HWI 所绑定的 HOST 或者 IP。
'0.0.0.0'
hive.hwi.listen.port
HWI 所监听的 HTTP 端口。
9999
hive.hwi.war.file
HWI 的 war 文件所在的路径。
$HWI_WAR_FILE
hive.test.mode
是否以测试模式运行 Hive
false
hive.test.mode.prefix
Hive 测试模式的前缀。
'test_'
hive.test.mode.samplefreq
Hive 测试模式取样的频率，即每秒钟取样的次数。
32
hive.test.mode.nosamplelist
Hive 测试模式取样的排除列表，以逗号分隔。
"
hive.merge.size.per.task
每个任务合并后文件的大小，根据此大小确定 reducer 的个数，默认 256 M。
256000000
hive.merge.smallfiles.avgsize
需要合并的小文件群的平均大小，默认 16 M。
16000000
hive.optimize.skewjoin
是否优化数据倾斜的 Join，对于倾斜的 Join 会开启新的 Map/Reduce Job 处理。
false
hive.skewjoin.key
倾斜键数目阈值，超过此值则判定为一个倾斜的 Join 查询。
1000000
hive.skewjoin.mapjoin.map.tasks
处理数据倾斜的 Map Join 的 Map 数上限。
10000
hive.skewjoin.mapjoin.min.split
处理数据倾斜的 Map Join 的最小数据切分大小，以字节为单位，默认为32M。
33554432
mapred.min.split.size
Map Reduce Job 的最小输入切分大小，与 Hadoop Client 使用相同的配置。
1
hive.mergejob.maponly
是否启用 Map Only 的合并 Job。
true
hive.heartbeat.interval
Hive Job 的心跳间隔，以毫秒为单位。
1000
hive.mapjoin.maxsize
Map Join 所处理的最大的行数。超过此行数，Map Join进程会异常退出。
1000000
hive.hashtable.initialCapacity
Hive 的 Map Join 会将小表 dump 到一个内存的 HashTable 中，该 HashTable 的初始大小由此参数指定。
100000
hive.hashtable.loadfactor
Hive 的 Map Join 会将小表 dump 到一个内存的 HashTable 中，该 HashTable 的负载因子由此参数指定。
0.75
hive.mapjoin.followby.gby.localtask.max.memory.usage
MapJoinOperator后面跟随GroupByOperator时，内存的最大使用比例
0.55
hive.mapjoin.localtask.max.memory.usage
Map Join 的本地任务使用堆内存的最大比例
0.9
hive.mapjoin.localtask.timeout
Map Join 本地任务超时，淘宝版特有特性
600000
hive.mapjoin.check.memory.rows
设置每多少行检测一次内存的大小，如果超过 hive.mapjoin.localtask.max.memory.usage 则会异常退出，Map Join 失败。
100000
hive.debug.localtask
是否调试本地任务，目前该参数没有生效
false
hive.task.progress
是否开启 counters ，以记录 Job 执行的进度，同时客户端也会拉取进度 counters。
false
hive.input.format
Hive 的输入 InputFormat。
默认是org.apache.hadoop.hive.ql.io.HiveInputFormat，其他还有org.apache.hadoop.hive.ql.io.CombineHiveInputFormat
hive.enforce.bucketing
是否启用强制 bucketing。
false
hive.enforce.sorting
是否启用强制排序。
false
hive.mapred.partitioner
Hive 的 Partitioner 类。
'org.apache.hadoop.hive.ql.io.DefaultHivePartitioner'
hive.exec.script.trust
Hive Script Operator For trust
false
hive.hadoop.supports.splittable.combineinputformat
是否支持可切分的 CombieInputFormat
false
hive.optimize.cp
是否优化列剪枝。
true
hive.optimize.ppd
是否优化谓词下推。
true
hive.optimize.groupby
是否优化 group by。
true
hive.optimize.bucketmapjoin
是否优化 bucket map join。
false
hive.optimize.bucketmapjoin.sortedmerge
是否在优化 bucket map join 时尝试使用强制 sorted merge bucket map join。
false
hive.optimize.reducededuplication
是否优化 reduce 冗余。
true
hive.hbase.wal.enabled
是否开启 HBase Storage Handler。
true
hive.archive.enabled
是否启用 har 文件。
false
hive.archive.har.parentdir.settable
是否启用 har 文件的父目录可设置。
false
hive.outerjoin.supports.filters
是否启动外联接支持过滤条件。
true
hive.fetch.output.serde
对于 Fetch Task 的 SerDe 类
'org.apache.hadoop.hive.serde2.DelimitedJSONSerDe'
hive.semantic.analyzer.hook
Hive 语义分析的 Hook，在语义分析阶段的前后被调用，用于分析和修改AST及生成的执行计划，以逗号分隔。
null
hive.cli.print.header
是否显示查询结果的列名，默认为不显示。
false
hive.cli.encoding
Hive 默认的命令行字符编码。
'UTF8'
hive.log.plan.progress
是否记录执行计划的进度。
true
hive.pull.progress.counters
是否从 Job Tracker 上拉取 counters，淘宝特有配置项。
true
hive.job.pre.hooks
每个 Job 提交前执行的 Hooks 列表，以逗号分隔，淘宝特有配置项。
"
hive.job.post.hooks
每个 Job 完成后执行的 Hooks 列表，以逗号分隔，淘宝特有配置项。
"
hive.max.progress.counters
Hive 最大的进度 couters 个数，淘宝特有配置项。
100
hive.exec.script.wrapper
Script Operator 脚本调用的封装，通常为脚本解释程序。例如，可以把该变量值的名称设置为"python"，那么传递到 Script Operator 的脚本将会以"python <script command>"的命令形式进行调用，如果这个值为null或者没有设置，那么该脚本将会直接以"<script command>"的命令形式调用。
null
hive.check.fatal.errors.interval
客户端通过拉取 counters 检查严重错误的周期，以毫秒为单位，淘宝特有配置项。
5000L
