Hive 和 Parquet 这两兄弟搭在一起干活，效率能拉满到什么程度，很大程度上取决于你怎么调教它们。数据量一大，跑个查询慢得像老牛拉车，那种感觉谁都懂。其实，很多性能瓶颈并不是硬件不行，而是配置没到位、写法欠考虑。下面直接说干货，看看哪些手段最管用。

Hive Parquet性能调优技巧

• SQL语句优化：别动不动就全表扫描，那是给集群上压力。能用分区就用分区，能上桶表就上桶表，数据扫描量一下子就能降下来。另外，用UNION ALL的时候，考虑一下动态分区——相当于复用中间结果，避免重复去翻同一块数据。
• 数据格式优化：既然选了Parquet，那就别浪费它的列式存储和压缩能力。ORC也行，两个都是好选项。关键在于压缩算法的选择和存储单位的配置。
• 配置参数优化：
  • 压缩方面，设parquet.compression为snappy——速度与压缩比的平衡点，实战中最常用。
  • 文件存储和读取的效率，一般靠调整parquet.block.size和parquet.page.size来拿捏。块大小设得合适，HDFS块对齐就能让I/O少走弯路。
• 并行执行：一个光杆任务跑再快也有限，并行才是真理。打开hive.exec.parallel，再把hive.exec.parallel.thread.number调到合适的值，让多个阶段并起来跑。
• 数据倾斜处理：有些场景下，某些Key的值特别多，导致一个Reducer累死别的闲死。把hive.groupby.skewindata设为true，Hive会自动生成两个MR任务来做负载均衡——虽然多了一步，但整体快了不是一点。
• 使用EXPLAIN命令：别凭感觉瞎猜，跑个EXPLAIN看一眼查询计划，瓶颈在哪一目了然。这招比什么都实在。

其他优化建议

• 别死磕MapReduce，现在Tez和Spark才是主流执行引擎。换一个执行引擎，查询速度能肉眼可见地提升。
• 数据加载阶段就下功夫：过滤、转换都提前做，进了Hive的数据已经削掉了一大半，后面自然反赌。

说到底，Hive和Parquet的组合潜力很大，关键看你怎么把配置和写法拧成一股绳。把上面这些技巧逐个试一遍，查询效率的提升会很可观。