问题导读: 如何设置reduce的个数? Hive 默认的数据文件存储路径? Hive 默认的输出文件格式? 是否开启 map/reduce job的并发提交? 所允许的最大的动态分区的个数?
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 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。 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,起一首新的 Map/Reduce Job,对于 0.20 以后的版本,则是起使用 CombineInputFormat 的 MapOnly Job。 默认值: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。 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 reducer 个数的上限。 默认值:999 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
|