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）。