Hive设置变量

hive --define --hivevar --hiveconf
set

1、hivevar命名空间
用户自定义变量
  1. hive -d name=zhangsan
  2. hive --define name=zhangsan
  3. hive -d a=1 -d b=2
效果跟hivevar是一样的
  1. 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
  1. set name;
  2. set name=zhangsan;
  3. set hivevar:name;
  4. 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
  1. create table ${a} ($(b) int);

2、hiveconf命名空间
hive的配置参数，覆盖hive-site.xml（hive-default.xml）中的参数值
  1. hive --hiveconf hive.cli.print.current.db=true --hiveconf hive.cli.print.header=true
  1. 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
  1. 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
  1. set hive.cli.print.header;
  2. set hive.cli.print.header=false;

3、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:
  1. set sytem:user.name;
  1. create table ${system:user.name} (a int);

4、env命名空间
shell环境变量，引用时必须加env:
  1. set env:USER;
  2. set env:HADOOP_HOME;
  1. create table ${env:USER} (${env:USER} string);

附录：常用的设置

  • 在会话里输出日志信息
  1. 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
  1. set hive.cli.print.current.db=true;
  • 显示列名称
  1. set hive.cli.print.header=true;
  • 向桶表中插入数据前，需要启用桶
  1. create table t1 (id int) clustered by (id) into 4 buckets;
  2. set hive.enforce.bucketing=true;
  3. 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
  1. set hive.exec.dynamic.partition=true #开启动态分区
  2. 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
  3. set hive.exec.max.dynamic.partitions.pernode=100 #每个mapper节点最多创建100个分区
  4. 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
  1. 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
  1. set hive.exec.compress.intermediate=true;
  1. 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
  1. set hive.exec.compress.output=true;
  1. 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
  1. 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
  1. set hive.archive.enabled=true;
























posted @ 2015-06-08 14:04  lishouguang  阅读(14773)  评论(0)  编辑  收藏  举报