- 合理使用文件存储格式
建表时，尽量使用 orc、parquet 这些列式存储格式，因为列式存储的表，每一列的数据在物理上是存储在一起的，Hive查询时会只遍历需要列数据，大大减少处理的数据量。
- 采用合适的文件压缩
Hive最终是转为 MapReduce 程序来执行的，而 MapReduce 的性能瓶颈在于网络 IO 和 磁盘 IO，要解决性能瓶颈，最主要的是减少数据量，对数据进行压缩是个好的方式。压缩虽然是减少了数据量，但是压缩过程要消耗CPU的，但是在Hadoop中， 往往性能瓶颈不在于CPU，CPU压力并不大，所以压缩充分利用了比较空闲的CPU。
常见文件压缩格式：
| 压缩格式 | 是否可拆分 | 是否自带 | 压缩率 | 速度 | 是否hadoop自带 |
| gzip | 否 | 是 | 很高 | 比较快 | 是 |
| lzo | 是 | 是 | 比较高 | 很快 | 否，需要安装 |
| snappy | 否 | 是 | 比较高 | 很快 | 否，需要安装 |
| bzip2 | 是 | 否 | 最高 | 慢 | 是 |
各个压缩方式对应的类：
| 压缩格式 | 类 |
| gzip | org.apache.hadoop.io.compress.GzipCodec |
| lzo | org.apache.hadoop.io.compress.lzo.LzoCodec |
| snappy | org.apache.hadoop.io.compress.SnappyCodec |
| bzip2 | org.apache.hadoop.io.compress.BZip2Codec |
| zlib | org.apache.hadoop.io.compress.DefaultCodec |
| lz4 | org.apache.hadoop.io.compress.Lz4Codec |
压缩方式的选择：
压缩比率
压缩解压缩速度
是否支持Split
压缩使用：
Job 输出文件按照 block 以 GZip 的方式进行压缩：
set mapreduce.output.fileoutputformat.compress=true // 默认值是 false
set mapreduce.output.fileoutputformat.compress.type=BLOCK // 默认值是 Record
set mapreduce.output.fileoutputformat.compress.codec=org.apache.hadoop.io.compress.GzipCodec // 默认值是 org.apache.hadoop.io.compress.DefaultCodec
Map 输出结果也以 Gzip 进行压缩：
set mapred.map.output.compress=true
set mapreduce.map.output.compress.codec=org.apache.hadoop.io.compress.GzipCodec // 默认值是 org.apache.hadoop.io.compress.DefaultCodec
对 Hive 输出结果和中间都进行压缩：
set hive.exec.compress.output=true // 默认值是 false，不压缩
set hive.exec.compress.intermediate=true // 默认值是 false，为 true 时 MR 设置的压缩才启用