hive-set设置总结

直接set命令可以看到所有变量值。
set单个参数,可以看见这个参数的值。

问题

  1. hive输出格式的配置项是哪个?
  2. hive被各种语言调用如何配置?
  3. hive提交作业是在hive中还是hadoop中?
  4. 一个查询的最后一个map/reduce任务输出是否被压缩的标志,通过哪个配置项?
  5. 当用户自定义了UDF或者SerDe,这些插件的jar都要放到这个目录下,通过那个配置项?
  6. 每个reducer的大小,默认是1G,输入文件如果是10G,那么就会起10个reducer;通过那个配置项可以配置?
  7. group by操作是否允许数据倾斜,通过那个配置项配置?
  8. 本地模式时,map/reduce的内存使用量该如何配置?
  9. 在做表join时缓存在内存中的行数,默认25000;通过那个配置项可以修改?
  10. 是否开启数据倾斜的join优化,通过那个配置项可以优化?
  11. 并行运算开启时,允许多少作业同时计算,默认是8;该如何修改这个配置项?

常用hiveconf

Hive相关的配置属性总结

1
2
3
4
set hive.cli.print.current.db=true; 在cli hive提示符后显示当前数据库。     
set hive.cli.print.header=true; 显示表头。select时会显示对应字段。
set hive.mapred.mode=strict; 防止笛卡儿积的执行;如果对分区表查询,且没有在where中对分区字段进行限制,报错FAILED:SemanticException [Error 10041]: No partition predicate found for Alias "test_part" Table "test_part";对应还有nonstrict模式(默认模式)。
hive.support.sql11.reserved.keywords该选项的目的是:是否启用对SQL2011保留关键字的支持。 启用后,将支持部分SQL2011保留关键字。

设置作业优先级

1
set mapred.job.priority=VERY_HIGH | HIGH | NORMAL | LOW | VERY_LOW

手动指定队列

1
set mapreduce.job.queuename=hive;

手动指定job name

1
set mapreduce.job.name=uid_uname;

动态分区

1
2
3
4
5
6
7
8
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
set hive.exec.max.dynamic.partitions=100;
set hive.exec.max.dynamic.partitions.pernode=100;
hive.exec.dynamic.partition 开启动态分区
hive.exec.dynamic.partition.mode 设置可以动态分区;因为严格模式下,不允许所有的分区都被动态指定。(详细使用看上面“导出数据到表”章节)
hive.exec.max.dynamic.partitions 默认是1000;在所有执行的MR节点上,一共可以创建最大动态分区数
hive.exec.max.dynamic.partitions.pernode (上面参数也要加上)默认是100;在每个执行MR的节点上,最大可以创建多少个动态分区。该参数需要根据实际的数据来设定。比如:源数据中包含了一年的数据,即day字段有365个值,那么该参数就需要设置成大于365,如果使用默认值100,则会报错。

动态分区参考:http://lxw1234.com/archives/2015/06/286.htm

并发优化

1
2
set hive.exec.parallel=true;
set hive.exec.parallel.thread.number=8;

第一个参数:开启任务并行执行;
第二个参数:同一个sql允许并行任务的最大线程数

job之间没有前后依赖的都可以并行执行。

join/group by倾斜优化

1
2
3
4
5
set hive.map.aggr=true;
set hive.groupby.skewindata=true;
set hive.groupby.mapaggr.checkinterval=100000;
set hive.optimize.skewjoin=true;
set hive.skewjoin.key=100000;

参数解释:hive数据倾斜

解决小文件问题

详细hive小文件合并

1
2
3
4
set hive.merge.mapfiles=true;
set hive.merge.mapredfiles=true;
set hive.merge.size.per.task=256*1000*1000;
set hive.merge.smallfiles.avgsize=16000000;

上面参数在 文件输出时合并。但是它们 和 压缩 并存时会失效,并对orc格式的表(orc本身就已经压缩)不起作用。

1
2
3
4
5
set hive.hadoop.supports.splittable.combineinputformat=true;
set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;
set mapred.max.split.size=2048000000;
set mapred.min.split.size.per.node=2048000000;
set mapred.min.split.size.per.rack=2048000000;

上面参数在 文件进入时合并文件,减少map个数。
下面参数是减少mr最终输出文件个数

1
2
3
4
5
set hive.exec.reducers.bytes.per.reducer=5120000000;
insert overwrite table test partition(dt)
select * from iteblog_tmp
DISTRIBUTE BY rand();
DISTRIBUTE BY rand() 强制产生reduce,set hive.exec.reducers.bytes.per.reducer控制reduce个数(reduce处理数据数量),两者一起使用控制小文件输出。

内存

1
2
3
4
5
6
7
8
9
10
11
set mapreduce.map.memory.mb=2048;
set mapred.child.map.java.opts='-Xmx2048M';
set mapreduce.map.java.opts='-Xmx2048M';
set mapreduce.reduce.memory.mb=2048;
set mapred.child.reduce.java.opts='-Xmx2048m';
set mapreduce.reduce.java.opts='-Xmx2048M';
set yarn.app.mapreduce.am.resource.mb=3000;
set yarn.app.mapreduce.am.command-opts='-Xmx2048m';
set mapreduce.map.memory.mb container的内存 运行mapper的容器的物理内存,1024M = 1G
set mapreduce.map.java.opts jvm堆内存
set yarn.app.mapreduce.am.resource.mb app内存。am指 Yarn中AppMaster,针对MapReduce计算框架就是MR AppMaster,通过配置这两个选项,可以设定MR AppMaster使用的内存。 一般看hadoop日志时可以看到map/reduce,但是当没有map/reduce时就开始报beyond memory limit类似的错时,说明是am的内存不够。

在yarn container这种模式下,map/reduce task是运行在Container之中的,所以上面提到的mapreduce.map(reduce).memory.mb大小都大于mapreduce.map(reduce).java.opts值的大小。mapreduce.{map|reduce}.java.opts能够通过Xmx设置JVM最大的heap的使用,一般设置为0.75倍的memory.mb,因为需要为java code等预留些空间。

来源于网络:虚拟内存的计算由 物理内存 和 yarn-site.xml中的yarn.nodemanager.vmem-pmem-ratio制定。
yarn.nodemanager.vmem-pmem-ratio是 一个比例,默认是2.1 虚拟内存 = 物理内存 × 这个比例
yarn.nodemanager.vmem-pmem-ratio 的比率,默认是2.1.这个比率的控制影响着虚拟内存的使用,当yarn计算出来的虚拟内存,比在mapred-site.xml里的mapreduce.map.memory.mb或mapreduce.reduce.memory.mb的2.1倍还要多时,会被kill掉。

参考:https://blog.csdn.net/yisun123456/article/details/81327372

压缩

1
2
3
4
5
6
set hive.exec.compress.output=true;
set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;
set mapred.output.compression.type=BLOCK;

set hive.exec.compress.intermediate=true;
set mapred.map.output.compression.codec=org.apache.hadoop.io.compress.SnappyCodec;

前三个参数是输出压缩;
最后两个参数是map输出压缩。
详细hive压缩

reducer个数相关

1
2
set mapreduce.job.reduces=15; 指定reducer个数
set hive.exec.reducers.bytes.per.reducer 每个reduce任务处理的数据量,默认为1000^3=1G

推测式执行配置项

1
2
set mapred.map.tasks.speculative.execution=true;
set mapred.reduce.tasks.speculative.execution=true;

这是两个推测式执行的配置项,默认是true
所谓的推测执行,就是当所有task都开始运行之后,Job Tracker会统计所有任务的平均进度,如果某个task所在的task node机器配
置比较低或者CPU load很高(原因很多),导致任务执行比总体任务的平均执行要慢,此时Job Tracker会启动一个新的任务
(duplicate task),原有任务和新任务哪个先执行完就把另外一个kill掉,这也是我们经常在Job Tracker页面看到任务执行成功,但是总有些任务被kill,就是这个原因。

关闭mapjoin

1
2
SET hive.auto.convert.join=false;
set hive.ignore.mapjoin.hint=false;

mapreduce.task.io.sort.mb

mapreduce.task.io.sort.mb map shuffle时的内存 溢出

hive.ddl.output.format

hive的ddl语句的输出格式,默认是text,纯文本,还有json格式,这个是0.90以后才出的新配置;

hive.exec.script.wrapper

hive调用脚本时的包装器,默认是null,如果设置为python的话,那么在做脚本调用操作时语句会变为python script command,null的话就是直接执行script command;

hive.exec.plan

hive执行计划的文件路径,默认是null,会在运行时自动设置,形如hdfs://xxxx/xxx/xx;

hive.exec.scratchdir

hive用来存储不同阶段的map/reduce的执行计划的目录,同时也存储中间输出结果,默认是/tmp/<user.name>/hive,我们实际一般会按组区分,然后组内自建一个tmp目录存储;

hive.exec.submitviachild

在非local模式下,决定hive是否要在独立的jvm中执行map/reduce;默认是false,也就是说默认map/reduce的作业是在hive的jvm上去提交的;

hive.exec.script.maxerrsize:当用户调用transform或者map或者reduce执行脚本时,最大的序列化错误数,默认100000,一般也不用修改;

hive.exec.compress.output:一个查询的最后一个map/reduce任务输出是否被压缩的标志,默认为false,但是一般会开启为true,好处的话,节省空间不说,在不考虑cpu压力的时候会提高io;

hive.exec.compress.intermediate:类似上个,在一个查询的中间的map/reduce任务输出是否要被压缩,默认false,

hive.jar.path:当使用独立的jvm提交作业时,hive_cli.jar所在的位置,无默认值;

hive.aux.jars.path:当用户自定义了UDF或者SerDe,这些插件的jar都要放到这个目录下,无默认值;

hive.partition.pruning:在编译器发现一个query语句中使用分区表然而未提供任何分区谓词做查询时,抛出一个错误从而保护分区表,默认是nonstrict;(待读源码后细化,网上资料极少)

hive.map.aggr:map端聚合是否开启,默认开启;

hive.join.emit.interval:在发出join结果之前对join最右操作缓存多少行的设定,默认1000;hive jira里有个对该值设置太小的bugfix;

hive.map.aggr.hash.percentmemory:map端聚合时hash表所占用的内存比例,默认0.5,这个在map端聚合开启后使用,

hive.default.fileformat:CREATE TABLE语句的默认文件格式,默认TextFile,其他可选的有SequenceFile、RCFile还有Orc;

hive.merge.mapfiles:在只有map的作业结束时合并小文件,默认开启true;

hive.merge.mapredfiles:在一个map/reduce作业结束后合并小文件,默认不开启false;

hive.merge.size.per.task:作业结束时合并文件的大小,默认256MB;

hive.merge.smallfiles.avgsize:在作业输出文件小于该值时,起一个额外的map/reduce作业将小文件合并为大文件,小文件的基本阈值,设置大点可以减少小文件个数,需要mapfiles和mapredfiles为true,默认值是16MB;

mapred.reduce.tasks:每个作业的reduce任务数,默认是hadoop client的配置1个;

hive.exec.reducers.bytes.per.reducer:每个reducer的大小,默认是1G,输入文件如果是10G,那么就会起10个reducer;

hive.exec.reducers.max:reducer的最大个数,如果在mapred.reduce.tasks设置为负值,那么hive将取该值作为reducers的最大可能值。当然还要依赖(输入文件大小/hive.exec.reducers.bytes.per.reducer)所得出的大小,取其小值作为reducer的个数,hive默认是999;

hive.fileformat.check:加载数据文件时是否校验文件格式,默认是true;

hive.groupby.skewindata:group by操作是否允许数据倾斜,默认是false,当设置为true时,执行计划会生成两个map/reduce作业,第一个MR中会将map的结果随机分布到reduce中,达到负载均衡的目的来解决数据倾斜,

hive.groupby.mapaggr.checkinterval:map端做聚合时,group by 的key所允许的数据行数,超过该值则进行分拆,默认是100000;

hive.mapred.local.mem:本地模式时,map/reduce的内存使用量,默认是0,就是无限制;

hive.mapjoin.followby.map.aggr.hash.percentmemory:map端聚合时hash表的内存占比,该设置约束group by在map join后进行,否则使用hive.map.aggr.hash.percentmemory来确认内存占比,默认值0.3;

hive.map.aggr.hash.force.flush.memeory.threshold:map端聚合时hash表的最大可用内存,如果超过该值则进行flush数据,默认是0.9;

hive.map.aggr.hash.min.reduction:如果hash表的容量与输入行数之比超过这个数,那么map端的hash聚合将被关闭,默认是0.5,设置为1可以保证hash聚合永不被关闭;

hive.optimize.groupby:在做分区和表查询时是否做分桶group by,默认开启true;

hive.multigroupby.singlemr:将多个group by产出为一个单一map/reduce任务计划,当然约束前提是group by有相同的key,默认是false;

hive.optimize.cp:列裁剪,默认开启true,在做查询时只读取用到的列,这个是个有用的优化;

hive.optimize.index.filter:自动使用索引,默认不开启false;

hive.optimize.index.groupby:是否使用聚集索引优化group-by查询,默认关闭false;

hive.optimize.ppd:是否支持谓词下推,默认开启;所谓谓词下推,将外层查询块的 WHERE 子句中的谓词移入所包含的较低层查询块(例如视图),从而能够提早进行数据过滤以及有可能更好地利用索引。

hive.optimize.ppd.storage:谓词下推开启时,谓词是否下推到存储handler,默认开启,在谓词下推关闭时不起作用;

hive.ppd.recognizetransivity:在等值join条件下是否产地重复的谓词过滤器,默认开启;

hive.join.cache.size:在做表join时缓存在内存中的行数,默认25000;

hive.mapjoin.bucket.cache.size:mapjoin时内存cache的每个key要存储多少个value,默认100;

hive.optimize.skewjoin:是否开启数据倾斜的join优化,默认不开启false;

hive.skewjoin.key:判断数据倾斜的阈值,如果在join中发现同样的key超过该值则认为是该key是倾斜的join key,默认是100000;

hive.skewjoin.mapjoin.map.tasks:在数据倾斜join时map join的map数控制,默认是10000;

hive.skewjoin.mapjoin.min.split:数据倾斜join时map join的map任务的最小split大小,默认是33554432,该参数要结合上面的参数共同使用来进行细粒度的控制;

hive.mapred.mode:hive操作执行时的模式,默认是nonstrict非严格模式,如果是strict模式,很多有风险的查询会被禁止运行,比如笛卡尔积的join和动态分区;

hive.exec.script.maxerrsize:一个map/reduce任务允许打印到标准错误里的最大字节数,为了防止脚本把分区日志填满,默认是100000;

hive.exec.script.allow.partial.consumption:hive是否允许脚本不从标准输入中读取任何内容就成功退出,默认关闭false;

hive.script.operator.id.env.var:在用户使用transform函数做自定义map/reduce时,存储唯一的脚本标识的环境变量的名字,默认HIVE_SCRIPT_OPERATOR_ID;

hive.exec.compress.output:控制hive的查询结果输出是否进行压缩,压缩方式在hadoop的mapred.output.compress中配置,默认不压缩false;

hive.exec.compress.intermediate:控制hive的查询中间结果是否进行压缩,同上条配置,默认不压缩false;

hive.exec.parallel:hive的执行job是否并行执行,默认不开启false,在很多操作如join时,子查询之间并无关联可独立运行,这种情况下开启并行运算可以大大加速;

hvie.exec.parallel.thread.number:并行运算开启时,允许多少作业同时计算,默认是8;

hive.exec.rowoffset:是否提供行偏移量的虚拟列,默认是false不提供,Hive有两个虚拟列:一个是INPUT__FILE__NAME,表示输入文件的路径,另外一个是BLOCK__OFFSET__INSIDE__FILE,表示记录在文件中的块偏移量,这对排查出现不符合预期或者null结果的查询是很有帮助的;

hive.task.progress:控制hive是否在执行过程中周期性的更新任务进度计数器,开启这个配置可以帮助job tracker更好的监控任务的执行情况,但是会带来一定的性能损耗,当动态分区标志hive.exec.dynamic.partition开启时,本配置自动开启;

hive.exec.pre.hooks:执行前置条件,一个用逗号分隔开的实现了org.apache.hadoop.hive.ql.hooks.ExecuteWithHookContext接口的java class列表,配置了该配置后,每个hive任务执行前都要执行这个执行前钩子,默认是空;

hive.exec.post.hooks:同上,执行后钩子,默认是空;

hive.exec.failure.hooks:同上,异常时钩子,在程序发生异常时执行,默认是空;

hive.mergejob.maponly:试图生成一个只有map的任务去做merge,前提是支持CombineHiveInputFormat,默认开启true;

hive.mapjoin.smalltable.filesize:输入表文件的mapjoin阈值,如果输入文件的大小小于该值,则试图将普通join转化为mapjoin,默认25MB;

hive.mapjoin.localtask.max.memory.usage:mapjoin本地任务执行时hash表容纳key/value的最大量,超过这个值的话本地任务会自动退出,默认是0.9;

hive.mapjoin.followby.gby.localtask.max.memory.usage:类似上面,只不过是如果mapjoin后有一个group by的话,该配置控制类似这样的query的本地内存容量上限,默认是0.55;

hive.mapjoin.check.memory.rows:在运算了多少行后执行内存使用量检查,默认100000;

hive.heartbeat.interval:发送心跳的时间间隔,在mapjoin和filter操作中使用,默认1000;

hive.auto.convert.join:根据输入文件的大小决定是否将普通join转换为mapjoin的一种优化,默认不开启false;

hive.script.auto.progress:hive的transform/map/reduce脚本执行时是否自动的将进度信息发送给TaskTracker来避免任务没有响应被误杀,本来是当脚本输出到标准错误时,发送进度信息,但是开启该项后,输出到标准错误也不会导致信息发送,因此有可能会造成脚本有死循环产生,但是TaskTracker却没有检查到从而一直循环下去;

hive.script.serde:用户脚本转换输入到输出时的SerDe约束,默认是org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe;

hive.script.recordreader:从脚本读数据的时候的默认reader,默认是org.apache.hadoop.hive.ql.exec.TextRecordReader;

hive.script.recordwriter:写数据到脚本时的默认writer,默认org.apache.hadoop.hive.ql.exec.TextRecordWriter;

hive.input.format:输入格式,默认是org.apache.hadoop.hive.ql.io.CombineHiveInputFormat,如果出现问题,可以改用org.apache.hadoop.hive.ql.io.HiveInputFormat;

hive.udtf.auto.progress:UDTF执行时hive是否发送进度信息到TaskTracker,默认是false;

hive.mapred.reduce.tasks.speculative.execution:reduce任务推测执行是否开启,默认是true;

hive.exec.counters.pull.interval:运行中job轮询JobTracker的时间间隔,设置小会影响JobTracker的load,设置大可能看不出运行任务的信息,要去平衡,默认是1000;

hive.enforce.bucketing:数据分桶是否被强制执行,默认false,如果开启,则写入table数据时会启动分桶,

hive.enforce.sorting:开启强制排序时,插数据到表中会进行强制排序,默认false;

hive.optimize.reducededuplication:如果数据已经根据相同的key做好聚合,那么去除掉多余的map/reduce作业,此配置是文档的推荐配置,建议打开,默认是true;

hive.exec.dynamic.partition:在DML/DDL中是否支持动态分区,默认false;

hive.exec.dynamic.partition.mode:默认strict,在strict模式下,动态分区的使用必须在一个静态分区确认的情况下,其他分区可以是动态;

hive.exec.max.dynamic.partitions:动态分区的上限,默认1000;

hive.exec.max.dynamic.partitions.pernode:每个mapper/reducer节点可以创建的最大动态分区数,默认100;

hive.exec.max.created.files:一个mapreduce作业能创建的HDFS文件最大数,默认是100000;

hive.exec.default.partition.name:当动态分区启用时,如果数据列里包含null或者空字符串的话,数据会被插入到这个分区,默认名字是HIVE_DEFAULT_PARTITION

hive.fetch.output.serde:FetchTask序列化fetch输出时需要的SerDe,默认是org.apache.hadoop.hive.serde2.DelimitedJSONSerDe;

hive.exec.mode.local.auto:是否由hive决定自动在local模式下运行,默认是false,

hive.exec.drop.ignorenoneexistent:在drop表或者视图时如果发现表或视图不存在,是否报错,默认是true;

hive.exec.show.job.failure.debug.info:在作业失败时是否提供一个任务debug信息,默认true;

hive.auto.progress.timeout:运行自动progressor的时间间隔,默认是0等价于forever;

hive.table.parameters.default:新建表的属性字段默认值,默认是empty空;

hive.variable.substitute:是否支持变量替换,如果开启的话,支持语法如${var} ${system:var}和${env.var},默认是true;

hive.error.on.empty.partition:在遇到结果为空的动态分区时是否报错,默认是false;

hive.exim.uri.scheme.whitelist:在导入导出数据时提供的一个白名单列表,列表项之间由逗号分隔,默认hdfs,pfile;

hive.limit.row.max.size:字面意思理解就是在使用limit做数据的子集查询时保证的最小行数据量,默认是100000;

hive.limit.optimize.limit.file:使用简单limit查询数据子集时,可抽样的最大文件数,默认是10;

hive.limit.optimize.enable:使用简单limit抽样数据时是否开启优化选项,默认是false,关于limit的优化问题,在hive programming书中解释的是这个feature有drawback,对于抽样的不确定性给出了风险提示;

hive.limit.optimize.fetch.max:使用简单limit抽样数据允许的最大行数,默认50000,查询query受限,insert不受影响;

hive.rework.mapredwork:是否重做mapreduce,默认是false;

hive.sample.seednumber:用来区分抽样的数字,默认是0;

hive.io.exception.handlers:io异常处理handler类列表,默认是空,当record reader发生io异常时,由这些handler来处理异常;

hive.autogen.columnalias.prefix.label:当在执行中自动产生列别名的前缀,当类似count这样的聚合函数起作用时,如果不明确指出count(a) as xxx的话,那么默认会从列的位置的数字开始算起添加,比如第一个count的结果会冠以列名_c0,接下来依次类推,默认值是_c,数据开发过程中应该很多人都看到过这个别名;

hive.autogen.columnalias.prefix.includefuncname:在自动生成列别名时是否带函数的名字,默认是false;

hive.exec.perf.logger:负责记录客户端性能指标的日志类名,必须是org.apache.hadoop.hive.ql.log.PerfLogger的子类,默认是org.apache.hadoop.hive.ql.log.PerfLogger;

hive.start.cleanup.scratchdir:当启动hive服务时是否清空hive的scratch目录,默认是false;

hive.output.file.extension:输出文件扩展名,默认是空;

hive.insert.into.multilevel.dirs:是否插入到多级目录,默认是false;

hive.files.umask.value:hive创建文件夹时的dfs.umask值,默认是0002;

hive.metastore.local:控制hive是否连接一个远程metastore服务器还是开启一个本地客户端jvm,默认是true,Hive0.10已经取消了该配置项;

javax.jdo.option.ConnectionURL:JDBC连接字符串,默认jdbc:derby:;databaseName=metastore_db;create=true;

javax.jdo.option.ConnectionDriverName:JDBC的driver,默认org.apache.derby.jdbc.EmbeddedDriver;

javax.jdo.PersisteneManagerFactoryClass:实现JDO PersistenceManagerFactory的类名,默认org.datanucleus.jdo.JDOPersistenceManagerFactory;

javax.jdo.option.DetachAllOnCommit:事务提交后detach所有提交的对象,默认是true;

javax.jdo.option.NonTransactionalRead:是否允许非事务的读,默认是true;

javax.jdo.option.ConnectionUserName:username,默认APP;

javax.jdo.option.ConnectionPassword:password,默认mine;

javax.jdo.option.Multithreaded:是否支持并发访问metastore,默认是true;

datanucleus.connectionPoolingType:使用连接池来访问JDBC metastore,默认是DBCP;

datanucleus.validateTables:检查是否存在表的schema,默认是false;

datanucleus.validateColumns:检查是否存在列的schema,默认false;

datanucleus.validateConstraints:检查是否存在constraint的schema,默认false;

datanucleus.stroeManagerType:元数据存储类型,默认rdbms;

datanucleus.autoCreateSchema:在不存在时是否自动创建必要的schema,默认是true;

datanucleus.aotuStartMechanismMode:如果元数据表不正确,抛出异常,默认是checked;

datanucleus.transactionIsolation:默认的事务隔离级别,默认是read-committed;

datanucleus.cache.level2:使用二级缓存,默认是false;

datanucleus.cache.level2.type:二级缓存的类型,有两种,SOFT:软引用,WEAK:弱引用,默认是SOFT;

datanucleus.identifierFactory:id工厂生产表和列名的名字,默认是datanucleus;

datanucleus.plugin.pluginRegistryBundleCheck:当plugin被发现并且重复时的行为,默认是LOG;

hive.metastroe.warehouse.dir:dw的位置,默认是/user/hive/warehouse;

hive.metastore.execute.setugi:非安全模式,设置为true会令metastore以客户端的用户和组权限执行DFS操作,默认是false,这个属性需要服务端和客户端同时设置;

hive.metastore.event.listeners:metastore的事件监听器列表,逗号隔开,默认是空;

hive.metastore.partition.inherit.table.properties:当新建分区时自动继承的key列表,默认是空;

hive.metastore.end.function.listeners:metastore函数执行结束时的监听器列表,默认是空;

hive.metastore.event.expiry.duration:事件表中事件的过期时间,默认是0;

hive.metastore.event.clean.freq:metastore中清理过期事件的定时器的运行周期,默认是0;

hive.metastore.connect.retries:创建metastore连接时的重试次数,默认是5;

hive.metastore.client.connect.retry.delay:客户端在连续的重试连接等待的时间,默认1;

hive.metastore.client.socket.timeout:客户端socket超时时间,默认20秒;

hive.metastore.rawstore.impl:原始metastore的存储实现类,默认是org.apache.hadoop.hive.metastore.ObjectStore;

hive.metastore.batch.retrieve.max:在一个batch获取中,能从metastore里取出的最大记录数,默认是300;

hive.metastore.ds.connection.url.hook:查找JDO连接url时hook的名字,默认是javax.jdo.option.ConnectionURL;

hive.metastore.ds.retry.attempts:当出现连接错误时重试连接的次数,默认是1次;

hive.metastore.ds.retry.interval:metastore重试连接的间隔时间,默认1000毫秒;

hive.metastore.server.min.threads:在thrift服务池中最小的工作线程数,默认是200;

hive.metastore.server.max.threads:最大线程数,默认是100000;

hive.metastore.server.tcp.keepalive:metastore的server是否开启长连接,长连可以预防半连接的积累,默认是true;

hive.metastore.sasl.enabled:metastore thrift接口的安全策略,开启则用SASL加密接口,客户端必须要用Kerberos机制鉴权,默认是不开启false;

hive.metastore.kerberos.keytab.file:在开启sasl后kerberos的keytab文件存放路径,默认是空;

hive.metastore.kerberos.principal:kerberos的principal,_HOST部分会动态替换,默认是hive-metastore/_HOST@EXAMPLE.COM

hive.metastore.cache.pinobjtypes:在cache中支持的metastore的对象类型,由逗号分隔,默认是Table,StorageDescriptor,SerDeInfo,Partition,Database,Type,FieldSchema,Order;

hive.metastore.authorization.storage.checks:在做类似drop partition操作时,metastore是否要认证权限,默认是false;

hive.metastore.schema.verification:强制metastore的schema一致性,开启的话会校验在metastore中存储的信息的版本和hive的jar包中的版本一致性,并且关闭自动schema迁移,用户必须手动的升级hive并且迁移schema,关闭的话只会在版本不一致时给出警告,默认是false不开启;

hive.index.compact.file.ignore.hdfs:在索引文件中存储的hdfs地址将在运行时被忽略,如果开启的话;如果数据被迁移,那么索引文件依然可用,默认是false;

hive.optimize.index.filter.compact.minsize:压缩索引自动应用的最小输入大小,默认是5368709120;

hive.optimize.index.filter.compact.maxsize:同上,相反含义,如果是负值代表正无穷,默认是-1;

hive.index.compact.query.max.size:一个使用压缩索引做的查询能取到的最大数据量,默认是10737418240 个byte;负值代表无穷大;

hive.index.compact.query.max.entries:使用压缩索引查询时能读到的最大索引项数,默认是10000000;负值代表无穷大;

hive.index.compact.binary.search:在索引表中是否开启二分搜索进行索引项查询,默认是true;

hive.exec.concatenate.check.index:如果设置为true,那么在做ALTER TABLE tbl_name CONCATENATE on a table/partition(有索引) 操作时,抛出错误;可以帮助用户避免index的删除和重建;

hive.stats.dbclass:存储hive临时统计信息的数据库,默认是jdbc:derby;

hive.stats.autogather:在insert overwrite命令时自动收集统计信息,默认开启true;

hive.stats.jdbcdriver:数据库临时存储hive统计信息的jdbc驱动;

hive.stats.dbconnectionstring:临时统计信息数据库连接串,默认jdbc:derby:databaseName=TempStatsStore;create=true;

hive.stats.defaults.publisher:如果dbclass不是jdbc或者hbase,那么使用这个作为默认发布,必须实现StatsPublisher接口,默认是空;

hive.stats.defaults.aggregator:如果dbclass不是jdbc或者hbase,那么使用该类做聚集,要求实现StatsAggregator接口,默认是空;

hive.stats.jdbc.timeout:jdbc连接超时配置,默认30秒;

hive.stats.retries.max:当统计发布合聚集在更新数据库时出现异常时最大的重试次数,默认是0,不重试;

hive.stats.retries.wait:重试次数之间的等待窗口,默认是3000毫秒;

hive.client.stats.publishers:做count的job的统计发布类列表,由逗号隔开,默认是空;必须实现org.apache.hadoop.hive.ql.stats.ClientStatsPublisher接口;

hive.client.stats.counters:没什么用~~~

hive.security.authorization.enabled:hive客户端是否认证,默认是false;

hive.security.authorization.manager:hive客户端认证的管理类,默认是org.apache.hadoop.hive.ql.security.authorization.DefaultHiveAuthorizationProvider;用户定义的要实现org.apache.hadoop.hive.ql.security.authorization.HiveAuthorizationProvider;

hive.security.authenticator.manager:hive客户端授权的管理类,默认是org.apache.hadoop.hive.ql.security.HadoopDefaultAuthenticator;用户定义的需要实现org.apache.hadoop.hive.ql.security.HiveAuthenticatorProvider;

hive.security.authorization.createtable.user.grants:当表创建时自动授权给用户,默认是空;

hive.security.authorization.createtable.group.grants:同上,自动授权给组,默认是空;

hive.security.authorization.createtable.role.grants:同上,自动授权给角色,默认是空;

hive.security.authorization.createtable.owner.grants:同上,自动授权给owner,默认是空;

hive.security.metastore.authorization.manager:metastore的认证管理类,默认是org.apache.hadoop.hive.ql.security.authorization.DefaultHiveMetastoreAuthorizationProvider;用户定义的必须实现org.apache.hadoop.hive.ql.security.authorization.HiveMetastoreAuthorizationProvider接口;接口参数要包含org.apache.hadoop.hive.ql.security.authorization.StorageBasedAuthorizationProvider接口;使用HDFS的权限控制认证而不是hive的基于grant的方式;

hive.security.metastore.authenticator.manager:metastore端的授权管理类,默认是org.apache.hadoop.hive.ql.security.HadoopDefaultMetastoreAuthenticator,自定义的必须实现org.apache.hadoop.hive.ql.security.HiveAuthenticatorProvider接口;

hive.metastore.pre.event.listeners:在metastore做数据库任何操作前执行的事件监听类列表;

fs.har.impl:访问Hadoop Archives的实现类,低于hadoop 0.20版本的都不兼容,默认是org.apache.hadoop.hive.shims.HiveHarFileSystem;

hive.archive.enabled:是否允许归档操作,默认是false;

hive.archive.har.parentdir.settable:在创建HAR文件时必须要有父目录,需要手动设置,在新的hadoop版本会支持,默认是false;

hive.support.concurrency:hive是否支持并发,默认是false,支持读写锁的话,必须要起zookeeper;

hive.lock.mapred.only.operation:控制是否在查询时加锁,默认是false;

hive.lock.numretries:获取锁时尝试的重试次数,默认是100;

hive.lock.sleep.between.retries:在重试间隔的睡眠时间,默认60秒;

hive.zookeeper.quorum:zk地址列表,默认是空;

hive.zookeeper.client.port:zk服务器的连接端口,默认是2181;

hive.zookeeper.session.timeout:zk客户端的session超时时间,默认是600000;

hive.zookeeper.namespace:在所有zk节点创建后的父节点,默认是hive_zookeeper_namespace;

hive.zookeeper.clean.extra.nodes:在session结束时清除所有额外node;

hive.cluster.delegation.token.store.class:代理token的存储实现类,默认是org.apache.hadoop.hive.thrift.MemoryTokenStore,可以设置为org.apache.hadoop.hive.thrift.ZooKeeperTokenStore来做负载均衡集群;

hive.cluster.delegation.token.store.zookeeper.connectString:zk的token存储连接串,默认是localhost:2181;

hive.cluster.delegation.token.store.zookeeper.znode:token存储的节点跟路径,默认是/hive/cluster/delegation;

hive.cluster.delegation.token.store.zookeeper.acl:token存储的ACL,默认是sasl:hive/host1@example.com:cdrwa,sasl:hive/host2@example.com:cdrwa;

hive.use.input.primary.region:从一张input表创建表时,创建这个表到input表的主region,默认是true;

hive.default.region.name:默认region的名字,默认是default;

hive.region.properties:region的默认的文件系统和jobtracker,默认是空;

hive.cli.print.header:查询输出时是否打印名字和列,默认是false;

hive.cli.print.current.db:hive的提示里是否包含当前的db,默认是false;

hive.hbase.wal.enabled:写入hbase时是否强制写wal日志,默认是true;

hive.hwi.war.file:hive在web接口是的war文件的路径,默认是lib/hive-hwi-xxxx(version).war;

hive.hwi.listen.host:hwi监听的host地址,默认是0.0.0.0;

hive.hwi.listen.port:hwi监听的端口,默认是9999;

hive.test.mode:hive是否运行在测试模式,默认是false;

hive.test.mode.prefix:在测试模式运行时,表的前缀字符串,默认是test_;

hive.test.mode.samplefreq:如果hive在测试模式运行,并且表未分桶,抽样频率是多少,默认是32;

hive.test.mode.nosamplelist:在测试模式运行时不进行抽样的表列表,默认是空;

参考
https://blog.csdn.net/yycdaizi/article/details/43341239
https://meihuakaile.github.io/2018/10/19/hive-set%E8%AE%BE%E7%BD%AE/
http://www.blogjava.net/changedi/archive/2013/11/13/406295.html
https://www.cnblogs.com/hark0623/p/5650075.html