哒呵呵
Hive使用的一些经验小结:
关注作者
前往小程序,Get
更优
阅读体验!
立即前往
腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
哒呵呵
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
社区首页
>
专栏
>
Hive使用的一些经验小结:
Hive使用的一些经验小结:
哒呵呵
关注
发布于 2018-08-06 15:43:44
497
0
发布于 2018-08-06 15:43:44
举报
文章被收录于专栏:
鸿的学习笔记
鸿的学习笔记
hive的建表是有分隔符这一说的,但是如果你的文件比较特殊,可能攘括了各式各样的符号,选择一个或者多分隔符就可能会有问题了。这时候,为了保证数据不被修改,可以考虑ORC file这一个数据格式。具体的介绍如下:https://orc.apache.org/
如果在应用中大量使用了transform这种数据交互方式,建议使用set timeout=0这种形式,防止应用程序尚未处理完数据,但是map等待的时间到了,误以为这个map失败了重启,kill掉重启。
Hive在服务器性能不够好时,可能需要经常修改参数调整heap的量级,防止内存溢出,控制在80%左右比较合理,不建议自己主动调整map和reduce个数,因为mapReduce启动是一个很繁重的过程。
hive在文件加载时,不要直接插入文件夹,这样的话,如果文件格式没有选择好,极有可能出现各种莫名的bug。
另外,一个很重要的一点,sql语句一定要注意写上转义符号。
null在hive底层默认是用'\N'来存储的,transform里面\n分割
尽量使用子查询,少用笛卡尔积,内部格式建议用字符串,数值就用数值,否则大小比较会出问题
double在hive是浮点型带.号,虽然看起来是整数。
set hive.map.aggr=true这是group by的优化,但是优化效果没有那么明显
Count Distinct请先查出distinct之后再count
在需要表统计信息时,可以考虑hive的元数据库。
set hive.stats.autogather =true; set hive.stats.column.autogather = true;可以实现一般的统计信息整理。
本文参与
腾讯云自媒体分享计划
,分享自微信公众号。
原始发表:2017-07-11,如有侵权请联系
cloudcommunity@tencent.com
删除
其他
本文分享自
鸿的学习笔记
微信公众号,
前往查看
如有侵权,请联系
cloudcommunity@tencent.com
删除。
本文参与
腾讯云自媒体分享计划
,欢迎热爱写作的你一起参与!
其他
评论
登录
后参与评论
0 条评论
热度
最新
推荐阅读
LV.
关注
文章
0
获赞
0
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档
0
0
0
推荐