互联网

设定Hive参数

开发Hive应用时,不可避免地需要设定Hive的参数。设定Hive的参数可以调优HQL代码的执行效率,或帮助定位问题。然而实践中经常遇到的一个问题是,为什么设定的参数没有起作用?

这通常是错误的设定方式导致的。

 

对于一般参数,有以下三种设定方式:

 

    * 配置文件

    * 命令行参数

    * 参数声明

 

配置文件:Hive的配置文件包括

 

    * 用户自定义配置文件:$HIVE_CONF_DIR/hive-site.xml

    * 默认配置文件:$HIVE_CONF_DIR/hive-default.xml

 

用户自定义配置会覆盖默认配置。另外,Hive也会读入Hadoop的配置,因为Hive是作为Hadoop的客户端启动的,Hadoop的配置文件包括

$HADOOP_CONF_DIR/hive-site.xml

$HADOOP_CONF_DIR/hive-default.xml

Hive的配置会覆盖Hadoop的配置。

配置文件的设定对本机启动的所有Hive进程都有效。

命令行参数:启动Hive(客户端或Server方式)时,可以在命令行添加-hiveconf param=value来设定参数,例如:

  bin/hive -hiveconf hive.root.logger=INFO,console

这一设定对本次启动的Session(对于Server方式启动,则是所有请求的Sessions)有效。

参数声明:可以在HQL中使用SET关键字设定参数,例如:

 set mapred.reduce.tasks=100;

这一设定的作用域也是Session级的。

上述三种设定方式的优先级依次递增。即参数声明覆盖命令行参数,命令行参数覆盖配置文件设定。注意某些系统级的参数,例如log4j相关的设定,必须用前两种方式设定,因为那些参数的读取在Session建立以前已经完成了。

 

另外,SerDe参数必须写在DDL(建表)语句中。例如:

create table if not exists t_dummy(

dummy    string

)

ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'

WITH SERDEPROPERTIES (

'field.delim'='t',

'escape.delim'='',

'serialization.null.format'=' '

) STORED AS TEXTFILE;

类似serialization.null.format这样的参数,必须和某个表或分区关联。在DDL外部声明将不起作用。

[!--page.stats—]
希望看到您的想法,请您发表评论x