hive.exec.script.maxerrsize：一個map/reduce任務允許打印到標準錯誤里的最大字節(jié)數(shù)，為了防止腳本把分區(qū)日志填滿，默認是100000；
hive.exec.script.allow.partial.consumption：hive是否允許腳本不從標準輸入中讀取任何內(nèi)容就成功退出，默認關閉false；
hive.script.operator.id.env.var：在用戶使用transform函數(shù)做自定義map/reduce時，存儲唯一的腳本標識的環(huán)境變量的名字，默認HIVE_SCRIPT_OPERATOR_ID；
hive.exec.compress.output：控制hive的查詢結(jié)果輸出是否進行壓縮，壓縮方式在hadoop的mapred.output.compress中配置，默認不壓縮false；
hive.exec.compress.intermediate：控制hive的查詢中間結(jié)果是否進行壓縮，同上條配置，默認不壓縮false；
hive.exec.parallel：hive的執(zhí)行job是否并行執(zhí)行，默認不開啟false，在很多操作如join時，子查詢之間并無關聯(lián)可獨立運行，這種情況下開啟并行運算可以大大加速；
hvie.exec.parallel.thread.number：并行運算開啟時，允許多少作業(yè)同時計算，默認是8；
hive.exec.rowoffset：是否提供行偏移量的虛擬列，默認是false不提供，Hive有兩個虛擬列:一個是INPUT__FILE__NAME,表示輸入文件的路徑，另外一個是BLOCK__OFFSET__INSIDE__FILE，表示記錄在文件中的塊偏移量，這對排查出現(xiàn)不符合預期或者null結(jié)果的查詢是很有幫助的（來自這篇文章）；
hive.task.progress：控制hive是否在執(zhí)行過程中周期性的更新任務進度計數(shù)器，開啟這個配置可以幫助job tracker更好的監(jiān)控任務的執(zhí)行情況，但是會帶來一定的性能損耗，當動態(tài)分區(qū)標志hive.exec.dynamic.partition開啟時，本配置自動開啟；
hive.exec.pre.hooks：執(zhí)行前置條件，一個用逗號分隔開的實現(xiàn)了org.apache.hadoop.hive.ql.hooks.ExecuteWithHookContext接口的java class列表，配置了該配置后，每個hive任務執(zhí)行前都要執(zhí)行這個執(zhí)行前鉤子，默認是空；
hive.exec.post.hooks：同上，執(zhí)行后鉤子，默認是空；
hive.exec.failure.hooks：同上，異常時鉤子，在程序發(fā)生異常時執(zhí)行，默認是空；
hive.mergejob.maponly：試圖生成一個只有map的任務去做merge，前提是支持CombineHiveInputFormat，默認開啟true；
hive.mapjoin.smalltable.filesize：輸入表文件的mapjoin閾值，如果輸入文件的大小小于該值，則試圖將普通join轉(zhuǎn)化為mapjoin，默認25MB；
hive.mapjoin.localtask.max.memory.usage：mapjoin本地任務執(zhí)行時hash表容納key/value的最大量，超過這個值的話本地任務會自動退出，默認是0.9；
hive.mapjoin.followby.gby.localtask.max.memory.usage：類似上面，只不過是如果mapjoin后有一個group by的話，該配置控制類似這樣的query的本地內(nèi)存容量上限，默認是0.55；
hive.mapjoin.check.memory.rows：在運算了多少行后執(zhí)行內(nèi)存使用量檢查，默認100000；
hive.heartbeat.interval：發(fā)送心跳的時間間隔，在mapjoin和filter操作中使用，默認1000；
hive.auto.convert.join：根據(jù)輸入文件的大小決定是否將普通join轉(zhuǎn)換為mapjoin的一種優(yōu)化，默認不開啟false；
hive.script.auto.progress：hive的transform/map/reduce腳本執(zhí)行時是否自動的將進度信息發(fā)送給TaskTracker來避免任務沒有響應被誤殺，本來是當腳本輸出到標準錯誤時，發(fā)送進度信息，但是開啟該項后，輸出到標準錯誤也不會導致信息發(fā)送，因此有可能會造成腳本有死循環(huán)產(chǎn)生，但是TaskTracker卻沒有檢查到從而一直循環(huán)下去；
hive.script.serde：用戶腳本轉(zhuǎn)換輸入到輸出時的SerDe約束，默認是org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe；
hive.script.recordreader：從腳本讀數(shù)據(jù)的時候的默認reader，默認是org.apache.hadoop.hive.ql.exec.TextRecordReader；
hive.script.recordwriter：寫數(shù)據(jù)到腳本時的默認writer，默認org.apache.hadoop.hive.ql.exec.TextRecordWriter；
hive.input.format：輸入格式，默認是org.apache.hadoop.hive.ql.io.CombineHiveInputFormat，如果出現(xiàn)問題，可以改用org.apache.hadoop.hive.ql.io.HiveInputFormat；
hive.udtf.auto.progress：UDTF執(zhí)行時hive是否發(fā)送進度信息到TaskTracker，默認是false；
hive.mapred.reduce.tasks.speculative.execution：reduce任務推測執(zhí)行是否開啟，默認是true；
hive.exec.counters.pull.interval：運行中job輪詢JobTracker的時間間隔，設置小會影響JobTracker的load，設置大可能看不出運行任務的信息，要去平衡，默認是1000；
hive.enforce.bucketing：數(shù)據(jù)分桶是否被強制執(zhí)行，默認false，如果開啟，則寫入table數(shù)據(jù)時會啟動分桶，個人對分桶的理解可以參考這篇文章，寫的較清楚，有示例，分桶在做全表查詢和帶有分區(qū)字段查詢時感覺影響不大，主要作用在sampling；
hive.enforce.sorting：開啟強制排序時，插數(shù)據(jù)到表中會進行強制排序，默認false；
hive.optimize.reducededuplication：如果數(shù)據(jù)已經(jīng)根據(jù)相同的key做好聚合，那么去除掉多余的map/reduce作業(yè)，此配置是文檔的推薦配置，建議打開，默認是true；
hive.exec.dynamic.partition：在DML/DDL中是否支持動態(tài)分區(qū)，默認false；
hive.exec.dynamic.partition.mode：默認strict，在strict模式下，動態(tài)分區(qū)的使用必須在一個靜態(tài)分區(qū)確認的情況下，其他分區(qū)可以是動態(tài)；
hive.exec.max.dynamic.partitions：動態(tài)分區(qū)的上限，默認1000；
hive.exec.max.dynamic.partitions.pernode：每個mapper/reducer節(jié)點可以創(chuàng)建的最大動態(tài)分區(qū)數(shù)，默認100；
hive.exec.max.created.files：一個mapreduce作業(yè)能創(chuàng)建的HDFS文件最大數(shù)，默認是100000；
hive.exec.default.partition.name：當動態(tài)分區(qū)啟用時，如果數(shù)據(jù)列里包含null或者空字符串的話，數(shù)據(jù)會被插入到這個分區(qū)，默認名字是__HIVE_DEFAULT_PARTITION__；
hive.fetch.output.serde：FetchTask序列化fetch輸出時需要的SerDe，默認是org.apache.hadoop.hive.serde2.DelimitedJSONSerDe;
hive.exec.mode.local.auto：是否由hive決定自動在local模式下運行，默認是false，關于滿足什么條件開啟localmode，可以參考這篇文章；