问题描述
我使用以下 hive-site.xml 属性配置了 Hive 并行性并重新启动了集群
属性 1
Name: hive.exec.parallel
Value: true
Description: Run hive jobs in parallel
属性 2
Name: hive.exec.parallel.thread.number
Value: 8 (default)
Description: Maximum number of hive jobs to run in parallel
为了测试并行性，我创建了以下 2 个条件：
1。 file.hql 中的单个查询并将其作为 hive -f file.hql
SELECT COL1,COL2 FROM TABLE1
UNION ALL
SELECT COL3,COL4 FROM TABLE2
结果：
当 hive.exec.parallel = true 时， 耗时：28.015秒， MapReduce cpu 总耗时：3 秒 10 毫秒
当 hive.exec.parallel = false 时， 耗时：24.778 秒， MapReduce cpu 总耗时：3 秒 90 毫秒。
2。如下 2 个不同文件中的独立查询，并将其作为 nohup hive -f file1.hql & nohup hive -f file2.hql
select count(1) from t1 -> file1.sql
select count(1) from t2 -> file2.sql
结果：
当 hive.exec.parallel = false 时， 耗时：29.391 秒， MapReduce cpu 总耗时：1 秒 890 毫秒
问题：
如何检查以上 2 个条件是否确实并行运行？ 在控制台中，我看到的结果就像查询按顺序运行一样。
为什么 hive.exec.parallel = true 花费的时间更多？我如何才能看到 hive 的多个阶段被利用了？
谢谢，
解决方法
当 Hive 执行引擎为 MR (hive.execution.engine=mr) 时，Hive 将查询表示为一个或多个 Map-Reduce 作业，这些作业（每个包含 Map 和 reduce）可以并行执行如果可能的话。
例如这个查询：
SELECT COL1,COL2 FROM TABLE1
UNION
SELECT COL3,COL4 FROM TABLE2
可以作为 3 个作业执行： 1 - 从表 1 中选择， 2-选择table2， 3-UNION（不同）
前两个作业可以并行执行，第三个作业可以在第一和第二个完成后并行执行。
可以执行更复杂的查询，因为有许多 MR 作业广告这些参数：
hive.exec.parallel 和 hive.exec.parallel.thread.number 允许为在 MR 上运行的单个查询并行执行作业。
您可以在 Job Tracker 上查看作业，URL 会在执行期间打印在日志中。您可以在日志中看到一些作业已启动及其执行进度。
如果在 Tez 执行引擎上运行(hive.execution.engine=Tez)，Hive 将查询表示为单个优化的 DAG，省略不必要的步骤，例如将中间结果写入持久存储并使用映射器再次读取它们。 DAG 中可以并行执行的所有顶点都在并行执行。在 Tez 上运行时，相同的设置不起作用。它始终在 Tez 上并行运行。相同的查询将表示为 2 个 mapper 顶点（并行运行）和最后运行的 reducer。最后一个reducer也可以在mapper快完成的时候提前启动。
设置 hive.exec.parallel 和 hive.exec.parallel.thread.number 不会影响 Tez 上查询的并行性，它们也不适用于单个脚本中的两个单独查询。
单个脚本中的两个单独的查询是一个接一个地运行，而不是并行的（每个都有自己的任务并行性）
上一个示例中的两个 hive 会话并行运行（取决于可用的集群资源）
可以使用 time Unix command 测量时间差异。 Hive 报告的时间是集群时间。如果集群没有可用资源，并行任务可以等待资源。使用作业跟踪器检查执行期间究竟发生了什么。
所以，实际上有不同种类的并行性。
MR 上的单一查询作业并行性 - 您要求的参数适用于此类。
Hive 会话并行运行 - 这些参数不影响它。
Tez vertices parallelism - 这些参数不影响它
同一个顶点实例的并行执行（mapper或者reducer，每个都可以启动多个）——它们是并行运行的——这些参数不影响它