hive常见配置

Hive 配置：先配必选项，再调性能项，最后按场景优化

Hive 的配置项很多，但不用全记住。按优先级分三层：

层级	配置内容	不配会怎样
必配项	元数据存储（MySQL）、Metastore 地址	跑不起来
常用调优项	执行引擎、显示设置、动态分区	能用但体验差/效率低
场景化配置	Join 优化、并行度、内存	特定场景下性能瓶颈

这篇文章按”从必配到选配”的顺序讲，核心原则：先让 Hive 能跑，再调性能，最后按业务场景优化。

配置查看方式

改配置之前，先知道怎么看当前配置。

-- 看所有配置
hive> set;

-- 看某个配置
hive> set hive.execution.engine;
-- 输出：hive.execution.engine=mr

配置优先级：谁覆盖谁？

同一个配置可以在多个地方设置，优先级从高到低：

交互式 set 命令 > 命令行 -hiveconf > hive-site.xml > hive-default.xml

配置方式	生效范围	什么时候用
hive-default.xml	全局默认	一般不碰
hive-site.xml	全局	生产核心配置（放这里）
启动时 -hiveconf	当前会话	临时测试某个参数
交互式 set	当前会话	调试时现场改

举个例子：

hive-site.xml 里配了 hive.execution.engine=mr，启动时加了 hive -hiveconf hive.execution.engine=spark，那这次会话用的就是 Spark。交互式里 set hive.execution.engine=tez 会覆盖前面两者。

记住：改哪个生效，看优先级。

必配项：不配跑不起来

1. 元数据存储地址（MySQL 连接）

<property>
  <name>javax.jdo.option.ConnectionURL</name>
  <value>jdbc:mysql://localhost:3306/metastore?useSSL=false</value>
</property>
<property>
  <name>javax.jdo.option.ConnectionUserName</name>
  <value>root</value>
</property>
<property>
  <name>javax.jdo.option.ConnectionPassword</name>
  <value>123456</value>
</property>

2. Metastore 服务地址（如果起了 Metastore）

<property>
  <name>hive.metastore.uris</name>
  <value>thrift://localhost:9083</value>
</property>

改了怎么验证：

hive> set javax.jdo.option.ConnectionURL;
hive> set hive.metastore.uris;

交互体验配置：让命令行更好用

这几个配置不改也能跑，但改了体验好很多。

配置	作用	推荐值
hive.cli.print.header	查询结果显示列名	true
hive.cli.print.current.db	提示符显示当前数据库	true
hive.resultset.use.unique.column.names	多表 Join 列名带表别名	false（简化）

配置示例：

<property>
  <name>hive.cli.print.header</name>
  <value>true</value>
</property>
<property>
  <name>hive.cli.print.current.db</name>
  <value>true</value>
</property>

效果对比：

-- 没配：只有数据，不知道哪列是哪列
> select id, name from users;
1   张三
2   李四

-- 配了：有表头，一目了然
> select id, name from users;
id  name
1   张三
2   李四

常用调优项：换个引擎跑得快

1. 执行引擎

引擎	特点	推荐场景
mr（MapReduce）	慢，稳定	默认，可以换掉
tez	快，用 DAG 替代 MR 链	中等集群，推荐
spark	最快，内存计算	有 Spark 集群

<property>
  <name>hive.execution.engine</name>
  <value>tez</value>
</property>

改了怎么验证：

hive> set hive.execution.engine;
-- 输出：tez

2. 动态分区

数据导入时，按日期/地区自动创建分区。

<property>
  <name>hive.exec.dynamic.partition</name>
  <value>true</value>
</property>
<property>
  <name>hive.exec.dynamic.partition.mode</name>
  <value>nonstrict</value>
</property>

场景化配置：按业务需求调

场景1：小表 Join 大表 → 开 MapJoin

<property>
  <name>hive.auto.convert.join</name>
  <value>true</value>
</property>
<property>
  <name>hive.mapjoin.smalltable.filesize</name>
  <value>25000000</value>  <!-- 25MB，小于这个的自动走 MapJoin -->
</property>

场景2：多个任务独立 → 开并行执行

<property>
  <name>hive.exec.parallel</name>
  <value>true</value>
</property>
<property>
  <name>hive.exec.parallel.thread.number</name>
  <value>8</value>
</property>

场景3：查询慢 → 调内存

<property>
  <name>hive.executor.memory</name>
  <value>2048</value>  <!-- MB -->
</property>

HiveServer2 相关配置

如果要通过 JDBC 远程连 Hive：

<property>
  <name>hive.server2.thrift.bind.host</name>
  <value>0.0.0.0</value>
</property>
<property>
  <name>hive.server2.thrift.port</name>
  <value>10000</value>
</property>

改了要重启 HiveServer2 才生效。