深入浅出Hive企业级架构优化、Hive Sql优化、压缩和分布式缓存(企业Hadoop应用核心产品)

一、本课程是怎么样的一门课程(全面介绍)

   1.1、课程的背景

      作为企业Hadoop应用的核心产品,Hive承载着FaceBook、淘宝等大佬 95%以上的离线统计,很多企业里的离线统计甚至全由Hive完成,如我所在的电商。

      Hive在企业云计算平台发挥的作用和影响愈来愈大,如何优化提速已经显得至关重要。

      Hive作业的规模决定着优化层级,一个Hive作业的优化和一万的Hive作业的优化截然不同。

      拥有1万多个Hive作业的大电商如何进行Hive优化的?本系列课结合企业实战和场景从作业架构层面、Hql(Hive sql)语法层面、Hive参数层面依次讲述。

    1.2、课程内容简介

      当然,好的架构胜过任何优化,有哪些策略构建好Hive Job架构?

      好的Hql同样会效率大增,如何写出高效的Hql?

      修改Hive参数,有时也能起到很好的效果

   1.3、课程大纲

第一章:架构方面优化策略(5讲)

Hadoop的主要性能瓶颈是IO负载,降IO负载是优化的重头戏。

本章大纲:
                                  作业架构优化手段大探底
                                 多个降IO负载的策略和场景...
                                 分表、源表归纳
                                 合理设计表分区、动态分区
                                 压缩、分布式缓存

第二章:Hive Sql语法层面和Properties参数层面优化(4讲)

语法优化手段归纳
                              Map数和Reduce数的决定和控制及案例分析
                              数据倾斜的避免和解决办法
                              执行计划剖析,从执行计划上找倾斜根本
                              Properties参数
                              高效Join、MapJoin、SEMI JOIN
                             减少Job 合并MR
                             Mapreduce中间参数

第三章:Impala熟悉和使用(1讲)

Impala是Cloudera 公司推出仿Hive的一个产品,目前已经有稳定的发行版本。
                              理论上性能比Hive好,但目前版本功能和扩展性上远不能替代Hive。
                              未来该产品或会有一定影响力。
                              特点:同Hive一样是类sql产品
                                       公用Hive的元数据库

      第一讲:Hive体系结构及Hive作业形式

      第二讲:Hive优化策略大探底及架构优化案例一

      第三讲:架构优化案例二之降IO负载策略I

      第四讲:架构优化案例二之降IO负载策略II

      第五讲:架构优化案例二之降IO负载策略III—压缩和分布式缓存

      第六讲:Hive语法、参数层面优化一

      第七讲:Hive语法、参数层面优化二

      第八讲:Hive语法、参数层面优化三

二、课程环境:

Cloudera Hadoop 4 (Hadoop 2.0)

Hive-0.90

三、所需技术基础:

Hadoop基础、Hive基础、Linux基础,其他不限制(不分Java和.Net方向,皆适合)。

上一篇:【总结整理】KANO 模型


下一篇:bat脚本实现复制特定后缀文件到其他目录