Hive之变量

发表于 | 分类于 ，

这一个月一直在忙碌公司的稽核项目，基层组件为Hive，大量使用着Hive各种变量，shell变量、JVM变量、配置变量等，这些变量会分布在几大命名空间中。此文仅仅记录这些变量的分类与使用总结，大概会涉及如下的命令和SQL语句：

hive/beeline --define --hivevar --hiveconf
set语句;

#命名空间

##hivevar命名空间

用户自定义变量

hive -d name=zhangsanhive --define name=zhangsanhive -d a=1 -d b=2

效果跟hivevar是一样的

hive --hivevar a=1 --hivevar b=2

引用hivevar命名空间的变量时，变量名前面可以加hivevar:也可以不加

set name;
set name=zhangsan;
set hivevar:name;
set hivevar:name=zhangsan;

在代码中使用${}引用，变量名前面可以加hivevar:也可以不加

create table ${a} ($(b) int);
create table $a ($b int);

hiveconf命名空间

hive的配置参数，覆盖hive-site.xml（hive-default.xml）中的参数值

hive --hiveconf hive.cli.print.current.db=true --hiveconf hive.cli.print.header=true
hive --hiveconf hive.root.logger=INFO,console

启动时指定用户目录，不同的用户不同的目录

hive --hiveconf hive.metastore.warehouse.dir=/hive/$USER

引用hiveconf命名空间的变量时，变量名前面可以加hiveconf:也可以不加

set hive.cli.print.header;
set hive.cli.print.header=false;

sytem命名空间

JVM的参数，不能通过hive设置，只能读取

引用时，前面必须加system:

set sytem:user.name;
create table ${system:user.name} (a int);

env命名空间

shell环境变量，引用时必须加env:

set env:USER;set env:HADOOP_HOME;
create table ${env:USER} (${env:USER} string);

附录：常用的设置

  • 在会话里输出日志信息
hive --hiveconf hive.root.logger=DEBUG,console

也可以修改$HIVE_HOME/conf/hive-log4j.properties的hive.root.logger属性，但是用set命令是不行的。

  • 显示当前数据库
set hive.cli.print.current.db=true;
  • 显示列名称
set hive.cli.print.header=true;
  • 向桶表中插入数据前，需要启用桶
create table t1 (id int) clustered by (id) into 4 buckets;set hive.enforce.bucketing=true;insert into table t1 select * from t2;

向桶表insert数据时，hive自动根据桶表的桶数设置reduce的个数。否则需要手动设置reduce的个数：set mapreduce.job.reduces=N（桶表定义的桶数）或者mapred.reduce.tasks，然后在select语句后加clustered by

  • 动态分区相关
set hive.exec.dynamic.partition=true #开启动态分区
set hive.exec.dynamic.partition.mode=nostrict #动态分区模式：strict至少要有个静态分区，nostrict不限制
set hive.exec.max.dynamic.partitions.pernode=100 #每个mapper节点最多创建100个分区set hive.exec.max.dynamic.partitions=1000 #总共可以创建的分区数

from t insert overwrite table p partition(country, dt) select … cuntry, dt

上面的查询在执行过程中，单个map里的数量不受控制，可能会超过hive.exec.max.dynamic.partition.pernode配置的数量，可以通过对分区字段分区解决，上面的sql改成：

from t insert overwrite table p partition(country, dt) select … cuntry, dt distributed by country, dt;

  • hive操作的执行模式
set hive.mapred.mode=strict

strict：不执行有风险（巨大的mapreduce任务）的操作，比如：笛卡尔积、没有指定分区的查询、bigint和string比较、bigint和double比较、没有limit的orderby

nostrict：不限制

  • 压缩mapreduce中间数据
set hive.exec.compress.intermediate=true;
setmapreduce.map.output.compress.codec=org.apache.hadoop.io.compress.SnappyCodec; #设置中间数据的压缩算法，默认是org.apache.hadoop.io.compress.DefaultCodec
  • 压缩mapreduce输出结果
set hive.exec.compress.output=true;
set mapreduce.output.fileoutputformat.compress.codec=org.apache.hadoop.io.compress.GzipCodec #设置输出数据的压缩算法，使用GZip可以获得更好的压缩率，但对mapreduce而言是不可分隔的
set mapreduce.output.fileoutputformat.compress.type=BLOCK; #如果输出的是SequenceFile，则使用块级压缩
  • 启用对分区归档
set hive.archive.enabled=true;
  • 设置任务名
set mapred.job.name=app_name;    # 此app_name会显示在yarn前台上面
  • 开并行
set hive.exec.parallel=true;
set hive.exec.parallel.thread.number=16;
  • 任务优先级
set yarn.app.priority=VERY_HIGH;
set mapreduce.job.priority=VERY_HIGH;
  • 当有多个运行队列可选时，指定运行队列
set mapred.job.queuename=queue_name;
0%