【大数据面试题】012 谈谈 Hive 性能优化常用的方法
一步一个脚印，一天一道面试题
-
数据分区和分桶：合适的分区和分桶能减少数据量的输入
-
合适的数据格式：Parquet，ORC 是可以减少 I/O ，网络传输速率等的
-
列裁剪：一般不要使用 SELECT *，只获取真正需要的列
-
文件合并：使用
INSERT OVERWRITE可以减少小文件数量，提高效率 -
数据过滤：使用
WHERE过滤，简单却有效 -
并行度设置：合理的并行度设置可以更好的利用集群性能，否则可能会“有力使不出”或“杀鸡用牛刀”的情况
-
数据本地化和 JOIN 化：尽量在本地节点做更多的操作，减少网络传输等开销，比如使用 mapjoin；
-
定期收集统计信息：
ANALYZE TABLE收集表的信息，可以让优化器更可能做出更好的查询计划；
原文地址：https://blog.csdn.net/Jiweilai1/article/details/136360810
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！