1.2.1 衡量指标
衡量指标主要用于查看相应的指标来发现Hive服务或执行过程中的一些问题，尽快能定位Hive的性能问题。通常我们查看指标的顺序应该是通用指标，接入层指标，HiveMetaStore，HiveServer相关指标，其它相关组件的指标（如MapReduce/Spark/HDFS）。下面列举目前可查看到的相关指标信息：
- 通用指标
主要是指通用的服务器的相关性能指标：CPU使用率，内存占用量，磁盘IO读写速度，使用Core数量等，通过这些指标可以衡量任务在该类型机器或该机器上的执行情况，观察集群各机器的通用指标，可以看到集群的负载是否均衡。
- 接入层指标
Hive连接数，并行SQL数量，输入缓存值（或每批大小）。单HiveServer实例可以处理的最大并发数可以通过参数控制，默认是500，该参数主要受JVM内存和CPU的处理能力的限制。
- HiveMetaStore
HiveMetaStore连接数，并行SQL数量，语句执行计划。
- HiveServer
主要查看SQL语句的执行计划，进行SQL相关的调优，并结合MapReduce/Spark引擎的相关参数，主要是Job数量，Map数量，Reduce数量。
HiveServer编译生成MapReduce Task任务时对性能影响最大的两个因素是SQL语句涉及的表的分区数量和文件数量：
分区数量：单表的分区数量不能过多，分区信息是从HiveMetaStore读取，如果量太大，从HiveMetataStore的数据库读取分区信息比较慢。
文件数量：在生成MapReduce任务的时候，按读取文件大小进行分片，假设SQL语句涉及的表数据量达到100TB，一个文件128MB，一个块128MB，那么文件总数会达到100*1024*1024/128=82万个文件，这么大量的文件，获取文件元数据信息需要时间，这些元数据读入内存，需要大量内存。
- 通用测试标准
Hive性能上业界主要是拿TPC-DS来跟同类型的产品或者自己的老版本进行对比。标准测试仅做为性能测试的一些参考。