ITPub博客

首页 > 大数据 > Hadoop > hive配置文件详解

hive配置文件详解

Hadoop 作者:liujie881 时间:2013-07-07 11:15:03 0 删除 编辑
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) 
    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。 
    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。
 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。 
    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。 
    0 
 mapred.reduce.tasks 
 所提交 Job 的 reduer 的个数,使用 Hadoop Client 的配置。 
    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。 
    /tmp//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。 
    "
 hive.groupby.skewindata 
 决定 group by 操作是否支持倾斜的数据。 
    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。 
    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。 
    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。 
    'nonstrict' 
 hive.exec.parallel 
 是否开启 map/reduce job的并发提交。 
    false 
 hive.security.authorization.enabled 
 Hive 是否开启权限认证。 
    false 
 hive.exec.plan 
 Hive 执行计划的路径,会在程序中自动进行设置 
    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。 
    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。 
    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。 
    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。 
    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。 
    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。 
    1000000000 
 hive.exec.reducers.max 
    reducer 个数的上限。 
    999 
 hive.exec.pre.hooks 
 语句层面,整条 HQL 语句在执行前的 hook 类名。 
    " 
 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。 
    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。 
    false 
 hive.exec.counters.pull.interval 
 客户端拉取 progress counters 的时间,以毫秒为单位。 
    1000L 
 hive.exec.dynamic.partition
 是否打开动态分区。 
    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。 
    strict 
 hive.exec.max.dynamic.partitions 
 所允许的最大的动态分区的个数。 
    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。 
    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 
 Hadoop Client 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。 
    $HADOOP_HOME/bin/hadoop 
 hadoop.config.dir 
 Hadoop Client 配置文件的路径,使用 Hadoop Client 的配置。 
    $HADOOP_HOME/conf     
    
fs.default.name 
 Namenode 的 URL,使用 Hadoop Client 的配置。 
    file:/// 
 map.input.file 
 Map 的输入文件,使用 Hadoop Client 的配置。 
    null 
 mapred.input.dir 
    Map 的输入目录,使用 Hadoop Client 的配置。 
    null     
    
mapred.input.dir.recursive 
    输入目录是否可递归嵌套,使用 Hadoop Client 的配置。 
    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。 
    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。 
    null 
 mapred.reduce.tasks.speculative.execution 
 Map/Reduce 推测执行,使用 Hadoop Client 的配置。 
    null 
 hive.metastore.metadb.dir 
    Hive 元数据库所在路径。 
    " 
 hive.metastore.uris 
 Hive 元数据的 URI,多个 thrift://地址,以英文逗号分隔。 
    " 
 hive.metastore.connect.retries 
 连接到 Thrift 元数据服务的最大重试次数。 
    3 
 javax.jdo.option.ConnectionPassword 
    JDO 的连接密码。 
    "     
    
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。 
    "
    
    javax.jdo.option.ConnectionURL 
    元数据库的连接 URL。 
    "     
    
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。 
    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。 
    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。 
    false     
    
hive.metastore.server.min.threads 
 Thrift 服务线程池的最小线程数。 
    8 
 hive.metastore.server.max.threads 
 Thrift 服务线程池的最大线程数。 
    0x7fffffff 
 hive.metastore.server.tcp.keepalive 
 Thrift 服务是否保持 TCP 连接。 
    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。 
    '_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。 
    '_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。 
    '_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。 
    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。 
    "     
    
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。
    false 
 hive.query.string 
 当前正在被执行的查询字符串。 
    " 
 hive.query.id 
 当前正在被执行的查询的ID。 
    " 
 hive.query.planid 
 当前正在被执行的 map/reduce plan 的 ID。 
    " 
 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。 
    50 
 hive.jar.path 
 通过单独的 JVM 提交 job 时,hive_cli.jar 所在的路径 
    " 
 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。 
    "     
    
hive.added.files.path 
 ADD FILE 所增加的文件的路径。 
    " 
 hive.added.jars.path 
 ADD JAR 所增加的文件的路径。 
    " 
 hive.added.archives.path 
 ADD ARCHIEVE 所增加的文件的路径。 
    " 
 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。 
    " 
 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。 
    "     
    
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 Job Tracker 认为脚本已经挂掉了。 
    false 
 hive.script.operator.id.env.var 
 用于识别 ScriptOperator ID 的环境变量的名称。 
    '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。 
    " 
 hive.map.aggr 
 决定是否可以在 Map 端进行聚合操作 
    true 
 hive.join.emit.interval 
    Hive Join 
操作的发射时间间隔,以毫秒为单位。 
    1000 
 hive.join.cache.size 
    Hive Join 
操作的缓存大小,以字节为单位。 
    25000 
 hive.mapjoin.bucket.cache.size 
 Hive Map Join 桶的缓存大小,以字节为单位。 
    100 
 hive.mapjoin.size.key 
 Hive Map Join 每一行键的大小,以字节为单位。 
    10000 
 hive.mapjoin.cache.numrows 
 Hive Map Join 所缓存的行数。 
    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。 
    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。 
    0.5 
 hive.map.aggr.hash.min.reduction 
 Hive Map 端聚合的哈稀存储的最小 reduce 比例。 
    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。 
    false 
 hive.fileformat.check 
 Hive 是否检查输出的文件格式。 
    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。 
    '/tmp/$USER'     
    
hive.script.serde 
    Hive 用户脚本的 SerDe。 
    'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe' 
 hive.script.recordreader 
 Hive 用户脚本的 RecordRedaer。 
    'org.apache.hadoop.hive.ql.exec.TextRecordReader'     
    
hive.script.recordwriter
 Hive 用户脚本的 RecordWriter。 
    'org.apache.hadoop.hive.ql.exec.TextRecordWriter'     
    
hive.hwi.listen.host 
 HWI 所绑定的 HOST 或者 IP。 
    '0.0.0.0'
    
    hive.hwi.listen.port 
    HWI 所监听的 HTTP 端口。 
    9999     
    
hive.hwi.war.file 
 HWI 的 war 文件所在的路径。 
    $HWI_WAR_FILE 
 hive.test.mode 
 是否以测试模式运行 Hive 
    false 
 hive.test.mode.prefix 
 Hive 测试模式的前缀。 
    'test_' 
 hive.test.mode.samplefreq 
 Hive 测试模式取样的频率,即每秒钟取样的次数。 
    32 
 hive.test.mode.nosamplelist 
 Hive 测试模式取样的排除列表,以逗号分隔。 
    " 
 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。 
    256000000     
    
hive.merge.smallfiles.avgsize
 需要合并的小文件群的平均大小,默认 16 M。 
    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。 
    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。 
    1000000     
    
hive.skewjoin.mapjoin.map.tasks 
 处理数据倾斜的 Map Join 的 Map 数上限。 
    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。 
    33554432     
    
mapred.min.split.size 
 Map Reduce Job 的最小输入切分大小,与 Hadoop Client 使用相同的配置。 
    1     
    
hive.mergejob.maponly 
 是否启用 Map Only 的合并 Job。 
    true 
 hive.heartbeat.interval 
 Hive Job 的心跳间隔,以毫秒为单位。 
    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。 
    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。 
    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。 
    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 
    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 
    0.9 
 hive.mapjoin.localtask.timeout 
 Map Join 本地任务超时,淘宝版特有特性 
    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。 
    100000 
 hive.debug.localtask 
 是否调试本地任务,目前该参数没有生效 
    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。 
    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。 
    false 
 hive.enforce.sorting 
 是否启用强制排序。 
    false 
 hive.mapred.partitioner 
 Hive 的 Partitioner 类。 
    'org.apache.hadoop.hive.ql.io.DefaultHivePartitioner'     
    
hive.exec.script.trust 
 Hive Script Operator For trust 
    false     
    
hive.hadoop.supports.splittable.combineinputformat 
 否支持可切分的 CombieInputFormat 
    false 
 hive.optimize.cp 
 是否优化列剪枝。 
    true 
 hive.optimize.ppd 
 是否优化谓词下推。 
    true 
 hive.optimize.groupby 
    是
否优化 group by。 
    true 
 hive.optimize.bucketmapjoin
 是否优化 bucket map join。 
    false 
 hive.optimize.bucketmapjoin.sortedmerge 
 是否在优化 bucket map join 时尝试使用强制 sorted merge bucket map join。 
    false     
    
hive.optimize.reducededuplication 
 是否优化 reduce 冗余。 
    true 
 hive.hbase.wal.enabled 
 是否开启 HBase Storage Handler。 
    true 
 hive.archive.enabled 
 是否启用 har 文件。 
    false 
 hive.archive.har.parentdir.settable 
 是否启用 har 文件的父目录可设置。 
    false 
 hive.outerjoin.supports.filters
 是否启动外联接支持过滤条件。 
    true 
 hive.fetch.output.serde 
 对于 Fetch Task 的 SerDe 类 
    '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。 
    null 
 hive.cli.print.header 
 是否显示查询结果的列名,默认为不显示。 
    false 
 hive.cli.encoding 
 Hive 默认的命令行字符编码。 
    'UTF8' 
 hive.log.plan.progress 
 是否记录执行计划的进度。 
    true 
 hive.pull.progress.counters 
 是否从 Job Tracker 上拉取 counters,淘宝特有配置项。 
    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。 
    " 
 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。 
    "
    
    hive.
max.progress.counters 
 Hive 最大的进度 couters 个数,淘宝特有配置项。 
    100 
 hive.exec.script.wrapper 
    Script Operator 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 
                    
上一篇: 没有了~
下一篇: 没有了~
请登录后发表评论 登录
全部评论

注册时间:2009-08-04

  • 博文量
    1
  • 访问量
    6398