ハイブの動作モード、ハイブ性学習大きなデータ線を共有するための良いプログラマ：1は、端CLIに設けられている（現在のセッションに対してのみ）3コンフィギュレーションファイルに設定され、提供される（現在の接続）は、Javaコード2、（アクティブなすべてのセッション）
優先度の高い順のプロパティを設定します。CLIの最終特性は唯一の非ハイブニーズを開始するように設定することができます。（ログの属性、メタデータ接続のプロパティ）
すべてのプロパティを検索：ハイブ>設定、プロパティの現在の値を表示：通常のHadoopハイブ> -v設定を、あいまい検索属性：ハイブ-S -e「セット」| grepの電流、ハイブ-S -e「セット」| grepのインデックスを;
ハイブ変数：システム、ENV、hivevar、hiveconf
システム：システム・レベルの環境変数（JVM、Hadoopの、等）、読み取りおよびハイブ>設定システム書き込み：min.limit = 3;ハイブ>設定システム：min.limit;システム：min.limit = 3
ENV：環境変数（HADOOP_HOME）、読み取り専用に書き込むことはできません。ハイブ>設定ENV：PWD; ENV：PWD =は/ usr / local /ハイブ-1.2.1
hivevar：カスタム一時変数（読み取りおよび書き込み）
ハイブ>設定hivevar：min.limit = 3;
ハイブは> hivevar設定：min.limit。
hivevar：min.limit = 3
ハイブ>設定hivevar：min.limit = 2。
ハイブは> hivevar設定：min.limit。
hivevar：min.limit = 2
hiveconf：カスタム一時変数の属性（読み取りおよび書き込み）
ハイブ> hiveconf設定：max.limit = 10;
ハイブ> hiveconf設定：max.limit。
hiveconf：max.limit = 10
ハイブ>設定hiveconf：max.limit = 6。
ハイブ> hiveconf設定：max.limit。
hiveconf：max.limit = 6
操作のハイブモード：1、CLIエンドラン（暫定統計、開発）2、ハイブ-S -e "HQL文の";（単一の文に対するHQLクエリ）3、ハイブ-S -f / HQLファイル;（HQLファイルスクリプト）
引数はありません
ハイブ-S -e「使用qf1603、USER1から*を選択します。」ハイブ-S -f /home/su.hql。
以前のバージョン0.9でのハイブは、-f引数の実装によってサポートされていません。
ハイブ--hivevar min_limit = 3 -hivevar -hivevar T_N = USER1 -e '使用qf1603; {ハイブ：T_N} SELECT * FROM限界{hivevar：min_limit};'
ハイブ--hiveconf min_lit = 3 -e "利用qf1603、USER1制限$ {hiveconf：min_lit} SELECT * FROM;"
ハイブ-S --hiveconf T_N = USER1 --hivevar min_limit = 3 -f ./su.hql
Notesのハイブ： - Notesコンテンツ
上書きローカルディレクトリを挿入「/ホーム/アウト/ 05」
user1の上限3から選択します*;
構成属性の観点から### 3、最適化する最適化ハイブ1、2環境は、最適化（ハンドルのLinuxの数、アプリケーションのメモリ割り当て、ロードする場合など）。3、コードの最適化（HQL、書かれたHQLの異なるものを試してみてください）。
1、説明見て学びます
説明：ショープログラムHQLクエリを。ショープログラムHQLクエリ：拡張を説明します。また、抽象的な表現ツリーHQLを表示します。（通訳は何かをやっています）
選択説明USER1から。
選択の拡張を説明 USER1から。
HQL文は、一の以上のステージ構成を持つことになります。各ステージは、MRジョブの一つに対応する、ステージはフェッチ、マップジョイン、他の動作を制限してもよいです。各ステージは順序依存で実行され、依存関係が並列に実行することができません。
2、の制限の最適化：
hive.limit.row.max.size = 100000
hive.limit.optimize.limit.file = 10
hive.limit.optimize.enable =偽
3、参加の最適化：
常に小さなテーブル駆動大型テーブル（小結果が大きい結果セットを駆動するように設定される）必要な場合、小さなテーブルを使用/ + STREAMTABLE（小さなテーブルエイリアス）を識別/マップ側を利用することができるようにビジネスを調整参加：hive.auto.convert.join ：smalltable：そこもあるフィルタリングするのか、どこ少し使用する必要がある場合でも、デカルト積は、クエリに参加しないようにしてください。ハイブは、今だけで同等の接続（=と）をサポートして参加します。他のありません
ハイブローカルモードを使用して4、（JVM内で実行）
hive.exec.mode.local.auto = falseを
hive.exec.mode.local.auto.inputbytes.max = 134217728
hive.exec.mode.local.auto.input.files.max = 4
5、ハイブ並列実行（全く相互依存ステージとの間に並列に行われなくてもよいです）
hive.exec.parallel = falseを
hive.exec.parallel.thread.number = 8
6、厳密モード：
条件を条件に、またはどこなし、1、パーティション2と、ルックアップテーブル、ORDERBY 3とクエリ、クエリに参加：ハイブバリア厳密モードは、クエリの3種類提供します。
7、マッパー、及び数を減らします
あまりにも多くのマッパー番号、時間のかかるを開始し、少なすぎるの数、十分に活用されていないリソースの減速のあまり数は、時間のかかるを開始し、数が少なすぎると、十分に活用されていないリソース
番号マッパー：手動設定：
セットmapred.map.tasks = 2。
ブロックサイズ適切それによってマッパーの数を変更するフラグメントの数を変更、調整します。
小さなファイルをマージすることにより、マッパーファイルの数を減らすには：
セットmapred.max.split.size = 25600000; 256M
= 1セットmapred.min.split.per.node
= 1セットmapred.min.split.per.rack
セットhive.input.format = org.apache.hadoop.hive.ql.io.CombineHiveInputFormat。
減速番号（通常は手動で設定）。
mapreduce.job.reduces = -1を設定します。
JVMの再利用を使用して8、ハイブ
mapreduce.job.jvm.numtasks = 1セットmapred.job.reuse.jvm.num = 8; ##走行のタスクのタスクのJVM数
9、データスキュー（参照：ハイブの最適化に.docxファイル）
傾きデータ：列値データの不均一な分布。データの傾きの原因：1、元のデータが2傾けられ、HQL文は、結合、3をもたらすことができる非常に簡単に、4につながるカウント（異なるCOL）5、ステートメントによってグループも容易です
溶液：1、データ自体が傾いている場合、直接別々にデータ（データは傾きを見つけるために）2、傾き算出データアウト見る単離することができ、その後、通常のデータ組合全て3、乱数所定の傾きデータ、クエリに参加する各タスクのための均等化の作業を行っています。図4は、一定の需要HQL文を書き換えしようとします。
チルトいくつかの属性設定を解決します：
hive.map.aggr =真
hive.groupby.skewindata = falseの
hive.optimize.skewjoin =偽
10、コントロールのジョブ番号
同じできるだけ多くのフィールドに接続クエリの接続タイプ。HQLはおそらく別のジョブを生成しますによって制限、グループは、参加があり、簡単な文がジョブを生成する通常です。
選択
、u.uid
u.unameを
U USER1から
どこu.uidに（ログインLからl.uidを選択する場合l.uid = 1リミット1）
。
選択
、u.uid
u.unameを
U USER1から
ログインLに参加
u.uid = l.uidに
ここl.uid = 1
。
パーティション、バレルを分割し、インデックス自体は、最適化のこれらの種類のハイブです。