之前转载了一篇<Hive - 数据仓库的性能优化>。博主总结的很不错。这里本人将自己平时积累的资料汇总了一下，来补充一下这篇文章：
针对方法上篇的优化方法1,2,3 主要建立在 Hive 触发了一个 MapReduce Job。但是我们都知道，启用 MapReduce Job 会消耗系统开销的(从我这篇博文 可以发现当使用 Like 关键词的时候效率比 CTAS 要快很多倍)。对于这个问题， Hive 从0.10.0 版本开始，对于简单的不需要聚合操作的语句将不会触发 MapReduce Job，直接通过 Fetch task 来获取数据。
详细信息可以参考：
数据文件的优化包含了通过数据文件格式, 压缩，存储方式的选择来进行性能提升。
Hive 最新发布的 0.14.0 版本中支持TEXTFILE, SEQUENCEFILE, RCFILE, ORC, PARQUET 和 Avro文件格式。我们可以通过以下方法来指定文件的格式：
CREATE TABLE ... STORE AS <File_Format>ALTER TABLE ... [PARTITION partition_spec] SET FILEFORMAT <File_Format>SET hive.default.fileformat = <File_Format> --设置表的默认文件格式
在这里，<File_Type> 可以是 TEXTFILE, SEQUENCEFILE, RCFILE, ORC, PARQUET 或者 Avro 类型.
我们可以通过 TEXTFILE 格式将 text 文件直接加载到一张表中。如果要往表中加载其他格式的数据，我们需要将数据先加载成 TEXTFILE 格式的表，之后再使用 INSERT OVERWRITE TABLE <target_file_format_table> SELECT * FROM <text_format_source_table> 语句进行转换，将期望的数据格式加载到表中。
Hive 支持如下数据格式，它们的优化如下所示：
