Apache Hive走向内存计算，性能提高26倍{转}

Apache Hive 2.1已于几个月前发布，它引入了内存计算，这使得Hive计算性能获得极大提高，这将会影响SQL On Hadoop目前的竞争局面。据测试，其性能提升约26倍。

 

Apache Hive 2.1新引入了6大性能，包括：

（1）LLAP。Apache Hive 2.0引入了LLAP（Live Long And Process），而2.1则对其进行了极大的优化，相比于Apache Hive 1，其性能提高约25倍；

（2）更鲁邦的SQL ACID支持；

（3）2X ETL性能提高。引入更智能的CBO（Cost Based Optimizer），更快的类型转换以及动态分区优化；

（4）支持存储过程。加大简化了从EDW迁移到Hive的流程。这是经过开源项目HPL/SQL（Apache开源协议，http://www.hplsql.org/）实现的，HPL/SQL的目的是为Apache Hive,SparkSQL, Impala 以及其余SQL-on-Hadoop 实现, 任何 NoSQL和 RDBMS增长存储过程的实现；

（5）对文本格式数据增长向量化计算的支持；

（6）引入新的诊断和监控工具，包括新的HiveServer2 UI，LLAPUI和改进的Tez UI。

 

接下来详细介绍对Apache Hive 2.1性能提高相当重要的优化：LLAP。LLAP是“Live Long and Process”的简写，它引入了分布式持久化查询服务，并结合经优化的数据缓存机制，可快速启动查询计算做业并避免无需的磁盘IO操做。简而言之，LLAP是下一代分布式计算架构，它可以智能地将数据缓存到多台机器内存中，并容许全部客户端共享这些缓存的数据，同时保留了弹性伸缩能力。

                           

相比于Hive 1 + Tez，Hive2+ Tez+LLAP性能提高约26倍，测试结果以下图所示（测试结果是经过https://github.com/hortonworks/hive-testbench获得的）： 

Hive2 LLAP的引入，标志着Apache Hive进入内存计算时代。总结起来，内存计算类型可分为如下三类：

其中，Type1已被Apache hadoop生态系统证实其性能不会过高，于是Hive直接进入Type2，目前对Type2中全部特性均支持地很好，包括分布式内存管理和优化，内存数据共享等。此外，Apache Hive正进一步优化性能，包括支持新型存储介质Flash，扩展LLAP能力，使其能够直接处理压缩数据而无需事先解压。

参考资料：

http://hortonworks.com/blog/announcing-apache-hive-2-1-25x-faster-queries-much/

http://hortonworks.com/blog/apache-hive-going-memory-computing/