hive优化的三个场景
hive调优方法？
hive调优方法？
HIve调优主要分为三个部分：
1：表设计层面优化，
2：语法和参数层面优化，
3：HIVE架构层面的优化
Hive作为大数据领域常用的数据仓库组件，在设计和开发阶段需要注意效率。影响Hive效率的不仅仅是数据量过大；数据倾斜、数据冗余、job或I/O过多、MapReduce分配不合理等因素都对Hive的效率有影响。对Hive的调优既包含对HiveQL语句本身的优化，也包含Hive配置项和MR方面的调整。
自学大数据，能找到工作吗？简历该如何写？
谢谢邀请！
自学大数据是没有问题的，能不能找到工作则取决于掌握的技能是否能够满足企业的岗位要求，至于简历则要清晰明了的呈现自己的知识结构和项目经验。
对于自学大数据的工程师来说，在简历中应该重点呈现以下几方面的内容：
第一：针对于具体的岗位进行知识结构描述。大数据相关工作包括大数据平台研发、大数据应用开发、大数据分析和大数据运维等，每个岗位需要具备的知识结构是不同的，应该有针对性的进行描述。简历切记做泛泛的描述，一定要有重点。
第二：注重实践环节的描述。对于大数据领域的工程师来说，实践能力是企业最为关注的能力之一，所以要把学习过程中所涉及到的实践环节做清晰的交代。以大数据分析为例，通过什么方式做数据分析是企业最为关注的内容，包括具体的方式方法，比如能否通过机器学习的方式完成数据分析就是一个考察的重点内容。
第三：注重基础知识的描述。对于自学者来说，很多大数据的业界做法可能并不了解，包括数据采集、整理、存储、安全等方式方法，如果在这些环节做过多的进行描述则会偏离正常的轨道，要尽量避免陷入到这些环节而突出自己的基础知识结构。基础知识对一名大数据工程师来说是非常重要的，所以一定要重点阐述。
第四：注重学习能力的描述。对于大数据工程师来说，学习能力是非常重要的，对于自学者来说，能够掌握一定的大数据知识本身就在证明自己的自学能力。尤其是应聘初级大数据岗位，面试官也许更看重应聘者的学习能力，所以要重点介绍一下自己学习大数据的过程、计划和心得，这个环节往往能够决定面试的结果。
人工智能和大数据是我的主要研究方向，目前也在带相关方向的研究生，我会陆续在头条写一些关于人工智能方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网方面的问题，也可以咨询我，谢谢！