Hive優化：
1、開啟limit，防止過多的資料查詢造成時延
2、開啟嚴格模式，禁止三種模式的查詢（查詢全部分割槽而沒有where限制、使用order by查詢而沒有limit限制，表聯結使用on以限制笛卡兒積的查詢）
3、合理的設定map reduce的個數，不能過多或者過少
4、使用本地模式，對於一些資料量小的查詢，減少開啟job的時間
5、使用map端jion，將資料量小的表，放在join的左邊，直接加入記憶體
6、推測執行，這是對MR的優化，防止出現木桶效應
7、設定並行度，讓一些不相關的stage能夠並行執行，加速任務的完成
8、JVM重用，通過在配置檔案中設定一些引數，來配置某些task的stage重用JVM，減少任務的開啟時間
9、建立索引，加快查詢
10、調整動態分割槽的數量，儘量高，不能太高，1000個左右最好
11、設定中間和reduce結果進行壓縮，減少佔用空間


HBase優化：
1、hbase查詢優化

1> 設定scan快取，定義服務端到客戶端的資料條數
2> 顯示指定查詢列，避免太多的資料傳輸造成網路壓力
3 >設定過濾，只查詢需要的資料，比如行鍵
4 >使用HTablePool，解決HTable執行緒不安全的情況
5 >關閉ResultScanner，保證連線不會一直佔用

2、hbase寫入優化

1 >關閉WAL，避免每次寫入資料都要先寫入日誌檔案
2 >關閉AutoFlush，避免使用者每次提交資料都直接傳送到了伺服器端，可以在客戶端進行快取
3 >預建立Region，使用自帶的分割槽工具或者自定義分割槽演算法都行
4 >延遲日誌flush的時間，預設值為1秒，可以增大該值，將資料在記憶體中少留一會，較少WAL日誌到HDFS的次數
5 >使用批量寫，通過put方法，指定多個行鍵，批量寫入

3、hbase配置引數優化

1 >設定RegionServer的handler數量，預設為10，適當的增大，可以提高服務端同時接收請求的執行緒數量，一般為10 的整數倍
2 >合理的設定MemStore的上下限
3 >調整影響合併的檔案數，就是調整觸發StoreFile進行合併的檔案數量
4 >合理的設定MemStore的flush因子，也就是觸發memstore進行flush的記憶體大小
5 >調整zookeeper的會話時間，避免HMaster察覺某個RS宕機的時間太長

4、表設計優化

1 >開啟布隆過濾器
2 >調整列簇塊的大小，也就是HFile的大小
3 >設定列簇的最大版本數，避免一些更新非常頻繁的應用效率低下
4 >設定TTL，讓過期的資料自動刪除
5 >設定In Memory屬性，就放在In Memory佇列中