Hive配置文件Hive-site.xml参数说明用途

最新推荐文章于 2025-06-04 17:35:32 发布
最新推荐文章于 2025-06-04 17:35:32 发布
阅读量1.4k 收藏 8
点赞数
分类专栏： 大数据 hadoop 文章标签： hive xml hadoop
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wang2leee/article/details/134151868
版权

Hive配置文件hive-site.xml中参数说明和用法

文章目录

参数说明

参数名称默认值用法
hive.metastore.uris-Hive元数据存储的URI。
hive.metastore.client.socket.timeout600Hive元数据客户端套接字超时时间。
hive.metastore.warehouse.dir/user/hive/warehouseHive数据仓库目录。
hive.warehouse.subdir.inherit.permstrue子目录是否继承权限。
hive.auto.convert.jointrue自动转换连接类型的Join操作。
hive.auto.convert.join.noconditionaltask.size10000000自动转换连接类型的Join操作时条件不满足的最大数据量。
hive.optimize.bucketmapjoin.sortedmergefalse是否优化Bucket Map Join的Sorted Merge。
hive.smbjoin.cache.rows10000SMB Join操作缓存的行数。
hive.server2.logging.operation.enabledfalse是否启用Hive Server2日志记录操作。
hive.server2.logging.operation.log.location${system:java.io.tmpdir}/ ${system:user.name} /operation_logsHive Server2操作日志的存储位置。
mapred.reduce.tasks-MapReduce作业的Reduce任务数。
hive.exec.reducers.bytes.per.reducer67108864每个Reduce任务的数据量。
hive.exec.copyfile.maxsize33554432最大允许复制文件的大小。
hive.exec.reducers.max-1同时运行的最大Reduce任务数。
hive.vectorized.groupby.checkinterval100000Vectorized Group By操作的检查间隔。
hive.vectorized.groupby.flush.percent0.1Vectorized Group By操作的Flush比例。
hive.compute.query.using.statstrue是否使用统计信息来优化查询计划。
hive.vectorized.execution.enabledfalse是否启用向量化执行引擎。
hive.vectorized.execution.reduce.enabledfalse是否在Reduce阶段启用向量化执行。
hive.vectorized.use.vectorized.input.formatfalse是否使用向量化输入格式。
hive.vectorized.use.checked.expressionsfalse是否使用检查表达式的向量化执行。
hive.vectorized.use.vector.serde.deserializefalse是否使用向量化序列化和反序列化。
hive.vectorized.adaptor.usage.modeoff向量化适配器的使用模式。
hive.vectorized.input.format.excludes-排除的向量化输入格式列表。
hive.merge.mapfilestrue是否合并Map输出的小文件。
hive.merge.mapredfilesfalse是否合并MapReduce输出的小文件。
hive.cbo.enablefalse是否启用CBO优化。
hive.fetch.task.conversionnoneFetch任务转换级别。
hive.fetch.task.conversion.threshold-1触发Fetch任务转换的数据量阈值。
hive.limit.pushdown.memory.usage0.1Limit操作的内存使用百分比。
hive.merge.sparkfilesfalse是否合并Spark任务输出的小文件。
hive.merge.smallfiles.avgsize-1合并小文件时的平均大小。
hive.merge.size.per.task-1每个任务合并的数据量。
hive.optimize.reducededuplicationtrue是否启用重复消除优化。
hive.optimize.reducededuplication.min.reducer4最小Reduce任务数以启用重复消除优化。
hive.map.aggrfalse是否启用Map端聚合。
hive.map.aggr.hash.percentmemory0.5Map端聚合的哈希表内存比例。
hive.optimize.sort.dynamic.partitionfalse是否优化动态分区排序。
hive.execution.enginemrHive执行引擎类型。
spark.executor.memory1gSpark Executor的内存大小。
spark.driver.memory1gSpark Driver的内存大小。
spark.executor.cores1每个Spark Executor的核心数。
spark.yarn.driver.memoryOverhead384Spark Driver的内存Overhead。
spark.yarn.executor.memoryOverhead384Spark Executor的内存Overhead。
spark.dynamicAllocation.enabledfalse是否启用动态资源分配。
spark.dynamicAllocation.initialExecutors-1动态资源分配的初始Executor数量。
spark.dynamicAllocation.minExecutors-1动态资源分配的最小Executor数量。
spark.dynamicAllocation.maxExecutors-1动态资源分配的最大Executor数量。
hive.metastore.execute.setugifalse是否在Hive元数据存储中执行setugi操作。
hive.support.concurrencytrue是否支持并发操作。
hive.zookeeper.quorum-ZooKeeper服务器列表。
hive.zookeeper.client.port-ZooKeeper客户端端口号。
hive.zookeeper.namespacedefaultHive使用的ZooKeeper命名空间。
hive.cluster.delegation.token.store.classorg.apache.hadoop.hive .thrift.MemoryTokenStore集群委派令牌存储类。
hive.server2.enable.doAsfalse是否启用Hive Server2用户代理模式。
hive.metastore.sasl.enabledfalse是否启用Hive元数据存储的SASL认证。
hive.server2.authenticationNONEHive Server2的认证方式。
hive.metastore.kerberos.principal-Hive元数据存储的Kerberos主体名称。
hive.server2.authentication.kerberos.principal-Hive Server2的Kerberos主体名称。
spark.shuffle.service.enabledtrue是否启用Spark Shuffle服务。
hive.strict.checks.orderby.no.limittrue是否在没有Limit操作的OrderBy语句中执行严格检查。
hive.strict.checks.no.partition.filtertrue是否在没有分区过滤条件的查询中执行严格检查。
hive.strict.checks.type.safetytrue是否执行严格的类型安全性检查。
hive.strict.checks.cartesian.productfalse是否执行严格的笛卡尔积检查。
hive.strict.checks.bucketingtrue是否执行严格的桶排序检查。

参数示例

<configuration>
  <!-- Hive元数据存储的URI -->
  <property>
    <name>hive.metastore.uris</name>
    <value>thrift://myhost:9083</value>
  </property>

  <!-- Hive元数据客户端套接字超时时间（以毫秒为单位） -->
  <property>
    <name>hive.metastore.client.socket.timeout</name>
    <value>300</value>
  </property>

  <!-- Hive数据仓库目录 -->
  <property>
    <name>hive.metastore.warehouse.dir</name>
    <value>/user/hive/warehouse</value>
  </property>

  <!-- 子目录是否继承权限 -->
  <property>
    <name>hive.warehouse.subdir.inherit.perms</name>
    <value>true</value>
  </property>

  <!-- 自动转换连接类型的Join操作 -->
  <property>
    <name>hive.auto.convert.join</name>
    <value>true</value>
  </property>

  <!-- 自动转换连接类型的Join操作时条件不满足的最大数据量（以字节为单位） -->
  <property>
    <name>hive.auto.convert.join.noconditionaltask.size</name>
    <value>20971520</value>
  </property>

  <!-- 是否优化Bucket Map Join的Sorted Merge -->
  <property>
    <name>hive.optimize.bucketmapjoin.sortedmerge</name>
    <value>false</value>
  </property>

  <!-- SMB Join操作缓存的行数 -->
  <property>
    <name>hive.smbjoin.cache.rows</name>
    <value>10000</value>
  </property>

  <!-- 是否启用Hive Server2日志记录操作 -->
  <property>
    <name>hive.server2.logging.operation.enabled</name>
    <value>true</value>
  </property>

  <!-- Hive Server2操作日志的存储位置 -->
  <property>
    <name>hive.server2.logging.operation.log.location</name>
    <value>/var/log/hive/operation_logs</value>
  </property>

  <!-- MapReduce作业的Reduce任务数 -->
  <property>
    <name>mapred.reduce.tasks</name>
    <value>-1</value>
  </property>

  <!-- 每个Reduce任务的数据量（以字节为单位） -->
  <property>
    <name>hive.exec.reducers.bytes.per.reducer</name>
    <value>67108864</value>
  </property>

  <!-- 最大允许复制文件的大小（以字节为单位） -->
  <property>
    <name>hive.exec.copyfile.maxsize</name>
    <value>33554432</value>
  </property>

  <!-- 同时运行的最大Reduce任务数 -->
  <property>
    <name>hive.exec.reducers.max</name>
    <value>1099</value>
  </property>

  <!-- Vectorized Group By操作的检查间隔 -->
  <property>
    <name>hive.vectorized.groupby.checkinterval</name>
    <value>4096</value>
  </property>

  <!-- Vectorized Group By操作的Flush比例 -->
  <property>
    <name>hive.vectorized.groupby.flush.percent</name>
    <value>0.1</value>
  </property>

  <!-- 是否使用统计信息来优化查询计划 -->
  <property>
    <name>hive.compute.query.using.stats</name>
    <value>false</value>
  </property>

  <!-- 是否启用向量化执行引擎 -->
  <property>
    <name>hive.vectorized.execution.enabled</name>
    <value>true</value>
  </property>

  <!-- 是否在Reduce阶段启用向量化执行 -->
  <property>
    <name>hive.vectorized.execution.reduce.enabled</name>
    <value>true</value>
  </property>

  <!-- 是否使用向量化输入格式 -->
  <property>
    <name>hive.vectorized.use.vectorized.input.format</name>
    <value>true</value>
  </property>

  <!-- 是否使用检查表达式的向量化执行 -->
  <property>
    <name>hive.vectorized.use.checked.expressions</name>
    <value>true</value>
  </property>

  <!-- 是否使用向量化序列化和反序列化 -->
  <property>
    <name>hive.vectorized.use.vector.serde.deserialize</name>
    <value>false</value>
  </property>

  <!-- 向量化适配器的使用模式 -->
  <property>
    <name>hive.vectorized.adaptor.usage.mode</name>
    <value>chosen</value>
  </property>

  <!-- 排除的向量化输入格式列表 -->
  <property>
    <name>hive.vectorized.input.format.excludes</name>
    <value>org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat</value>
  </property>

  <!-- 是否合并Map输出的小文件 -->
  <property>
    <name>hive.merge.mapfiles</name>
    <value>true</value>
  </property>

  <!-- 是否合并MapReduce输出的小文件 -->
  <property>
    <name>hive.merge.mapredfiles</name>
    <value>false</value>
  </property>

  <!-- 是否启用CBO优化 -->
  <property>
    <name>hive.cbo.enable</name>
    <value>false</value>
  </property>

  <!-- Fetch任务转换级别 -->
  <property>
    <name>hive.fetch.task.conversion</name>
    <value>minimal</value>
  </property>

  <!-- 触发Fetch任务转换的数据量阈值（以字节为单位） -->
  <property>
    <name>hive.fetch.task.conversion.threshold</name>
    <value>268435456</value>
  </property>

  <!-- Limit操作的内存使用百分比 -->
  <property>
    <name>hive.limit.pushdown.memory.usage</name>
    <value>0.1</value>
  </property>

  <!-- 是否合并Spark任务输出的小文件 -->
  <property>
    <name>hive.merge.sparkfiles</name>
    <value>true</value>
  </property>

  <!-- 合并小文件时的平均大小（以字节为单位） -->
  <property>
    <name>hive.merge.smallfiles.avgsize</name>
    <value>16777216</value>
  </property>

  <!-- 每个任务合并的数据量（以字节为单位） -->
  <property>
    <name>hive.merge.size.per.task</name>
    <value>268435456</value>
  </property>

  <!-- 是否启用重复消除优化 -->
  <property>
    <name>hive.optimize.reducededuplication</name>
    <value>true</value>
  </property>

  <!-- 最小Reduce任务数以启用重复消除优化 -->
  <property>
    <name>hive.optimize.reducededuplication.min.reducer</name>
    <value>4</value>
  </property>

  <!-- 是否启用Map端聚合 -->
  <property>
    <name>hive.map.aggr</name>
    <value>true</value>
  </property>

  <!-- Map端聚合的哈希表内存比例 -->
  <property>
    <name>hive.map.aggr.hash.percentmemory</name>
    <value>0.5</value>
  </property>

  <!-- 是否优化动态分区排序 -->
  <property>
    <name>hive.optimize.sort.dynamic.partition</name>
    <value>false</value>
  </property>

  <!-- Hive执行引擎类型（mr、tez、spark） -->
  <property>
    <name>hive.execution.engine</name>
    <value>mr</value>
  </property>

  <!-- Spark Executor的内存大小 -->
  <property>
    <name>spark.executor.memory</name>
    <value>2572261785b</value>
  </property>

  <!-- Spark Driver的内存大小 -->
  <property>
    <name>spark.driver.memory</name>
    <value>3865470566b</value>
  </property>

  <!-- 每个Spark Executor的核心数 -->
  <property>
    <name>spark.executor.cores</name>
    <value>4</value>
  </property>

  <!-- Spark Driver的内存Overhead -->
  <property>
    <name>spark.yarn.driver.memoryOverhead</name>
    <value>409m</value>
  </property>

  <!-- Spark Executor的内存Overhead -->
  <property>
    <name>spark.yarn.executor.memoryOverhead</name>
    <value>432m</value>
  </property>

  <!-- 是否启用动态资源分配 -->
  <property>
    <name>spark.dynamicAllocation.enabled</name>
    <value>true</value>
  </property>

  <!-- 动态资源分配的初始Executor数量 -->
  <property>
    <name>spark.dynamicAllocation.initialExecutors</name>
    <value>1</value>
  </property>

  <!-- 动态资源分配的最小Executor数量 -->
  <property>
    <name>spark.dynamicAllocation.minExecutors</name>
    <value>1</value>
  </property>

  <!-- 动态资源分配的最大Executor数量 -->
  <property>
    <name>spark.dynamicAllocation.maxExecutors</name>
    <value>2147483647</value>
  </property>

  <!-- 是否在Hive元数据存储中执行setugi操作 -->
  <property>
    <name>hive.metastore.execute.setugi</name>
    <value>true</value>
  </property>

  <!-- 是否支持并发操作 -->
  <property>
    <name>hive.support.concurrency</name>
    <value>true</value>
  </property>

  <!-- ZooKeeper服务器列表 -->
  <property>
    <name>hive.zookeeper.quorum</name>
    <value>myhost04,myhost03,myhost02</value>
  </property>

  <!-- ZooKeeper客户端端口号 -->
  <property>
    <name>hive.zookeeper.client.port</name>
    <value>2181</value>
  </property>

  <!-- Hive使用的ZooKeeper命名空间 -->
  <property>
    <name>hive.zookeeper.namespace</name>
    <value>hive_zookeeper_namespace_hive</value>
  </property>

  <!-- 集群委派令牌存储类 -->
  <property>
    <name>hive.cluster.delegation.token.store.class</name>
    <value>org.apache.hadoop.hive.thrift.MemoryTokenStore</value>
  </property>

  <!-- 是否启用Hive Server2用户代理模式 -->
  <property>
    <name>hive.server2.enable.doAs</name>
    <value>true</value>
  </property>

  <!-- 是否启用Hive元数据存储的SASL认证 -->
  <property>
    <name>hive.metastore.sasl.enabled</name>
    <value>true</value>
  </property>

  <!-- Hive Server2的认证方式 -->
  <property>
    <name>hive.server2.authentication</name>
    <value>kerberos</value>
  </property>

  <!-- Hive元数据存储的Kerberos主体名称 -->
  <property>
    <name>hive.metastore.kerberos.principal</name>
    <value>hive/_HOST@MY.COM</value>
  </property>

  <!-- Hive Server2的Kerberos主体名称 -->
  <property>
    <name>hive.server2.authentication.kerberos.principal</name>
    <value>hive/_HOST@MY.COM</value>
  </property>

  <!-- 是否启用Spark Shuffle服务 -->
  <property>
    <name>spark.shuffle.service.enabled</name>
    <value>true</value>
  </property>

  <!-- 是否在没有Limit操作的OrderBy语句中执行严格检查 -->
  <property>
    <name>hive.strict.checks.orderby.no.limit</name>
    <value>false</value>
  </property>

  <!-- 是否在没有分区过滤条件的查询中执行严格检查 -->
  <property>
    <name>hive.strict.checks.no.partition.filter</name>
    <value>false</value>
  </property>

  <!-- 是否执行严格的类型安全性检查 -->
  <property>
    <name>hive.strict.checks.type.safety</name>
    <value>true</value>
  </property>

  <!-- 是否执行严格的笛卡尔积检查 -->
  <property>
    <name>hive.strict.checks.cartesian.product</name>
    <value>false</value>
  </property>

  <!-- 是否执行严格的桶排序检查 -->
  <property>
    <name>hive.strict.checks.bucketing</name>
    <value>true</value>
  </property>
</configuration>

具体用途：

  • hive.metastore.uris：Hive元数据存储的URI。
  • hive.metastore.client.socket.timeout：Hive元数据客户端套接字超时时间。
  • hive.metastore.warehouse.dir：Hive数据仓库目录。
  • hive.warehouse.subdir.inherit.perms：子目录是否继承权限。
  • hive.auto.convert.join：自动转换连接类型的Join操作。
  • hive.auto.convert.join.noconditionaltask.size：自动转换连接类型的Join操作时条件不满足的最大数据量。
  • hive.optimize.bucketmapjoin.sortedmerge：是否优化Bucket Map Join的Sorted Merge。
  • hive.smbjoin.cache.rows：SMB Join操作缓存的行数。
  • hive.server2.logging.operation.enabled：是否启用Hive Server2日志记录操作。
  • hive.server2.logging.operation.log.location：Hive Server2操作日志的存储位置。
  • mapred.reduce.tasks：MapReduce作业的Reduce任务数。
  • hive.exec.reducers.bytes.per.reducer：每个Reduce任务的数据量。
  • hive.exec.copyfile.maxsize：最大允许复制文件的大小。
  • hive.exec.reducers.max：同时运行的最大Reduce任务数。
  • hive.vectorized.groupby.checkinterval：Vectorized Group By操作的检查间隔。
  • hive.vectorized.groupby.flush.percent：Vectorized Group By操作的Flush比例。
  • hive.compute.query.using.stats：是否使用统计信息来优化查询计划。
  • hive.vectorized.execution.enabled：是否启用向量化执行引擎。
  • hive.vectorized.execution.reduce.enabled：是否在Reduce阶段启用向量化执行。
  • hive.vectorized.use.vectorized.input.format：是否使用向量化输入格式。
  • hive.vectorized.use.checked.expressions：是否使用检查表达式的向量化执行。
  • hive.vectorized.use.vector.serde.deserialize：是否使用向量化序列化和反序列化。
  • hive.vectorized.adaptor.usage.mode：向量化适配器的使用模式。
  • hive.vectorized.input.format.excludes：排除的向量化输入格式列表。
  • hive.merge.mapfiles：是否合并Map输出的小文件。
  • hive.merge.mapredfiles：是否合并MapReduce输出的小文件。
  • hive.cbo.enable：是否启用CBO优化。
  • hive.fetch.task.conversion：Fetch任务转换级别。
  • hive.fetch.task.conversion.threshold：触发Fetch任务转换的数据量阈值。
  • hive.limit.pushdown.memory.usage：Limit操作的内存使用百分比。
  • hive.merge.sparkfiles：是否合并Spark任务输出的小文件。
  • hive.merge.smallfiles.avgsize：合并小文件时的平均大小。
  • hive.merge.size.per.task：每个任务合并的数据量。
  • hive.optimize.reducededuplication：是否启用重复消除优化。
  • hive.optimize.reducededuplication.min.reducer：最小Reduce任务数以启用重复消除优化。
  • hive.map.aggr：是否启用Map端聚合。
  • hive.map.aggr.hash.percentmemory：Map端聚合的哈希表内存比例。
  • hive.optimize.sort.dynamic.partition：是否优化动态分区排序。
  • hive.execution.engine：Hive执行引擎类型。
  • spark.executor.memory：Spark Executor的内存大小。
  • spark.driver.memory：Spark Driver的内存大小。
  • spark.executor.cores：每个Spark Executor的核心数。
  • spark.yarn.driver.memoryOverhead：Spark Driver的内存Overhead。
  • spark.yarn.executor.memoryOverhead：Spark Executor的内存Overhead。
  • spark.dynamicAllocation.enabled：是否启用动态资源分配。
  • spark.dynamicAllocation.initialExecutors：动态资源分配的初始Executor数量。
  • spark.dynamicAllocation.minExecutors：动态资源分配的最小Executor数量。
  • spark.dynamicAllocation.maxExecutors：动态资源分配的最大Executor数量。
  • hive.metastore.execute.setugi：是否在Hive元数据存储中执行setugi操作。
  • hive.support.concurrency：是否支持并发操作。
  • hive.zookeeper.quorum：ZooKeeper服务器列表。
  • hive.zookeeper.client.port：ZooKeeper客户端端口号。
  • hive.zookeeper.namespace：Hive使用的ZooKeeper命名空间。
  • hive.cluster.delegation.token.store.class：集群委派令牌存储类。
  • hive.server2.enable.doAs：是否启用Hive Server2用户代理模式。
  • hive.metastore.sasl.enabled：是否启用Hive元数据存储的SASL认证。
  • hive.server2.authentication：Hive Server2的认证方式。
  • hive.metastore.kerberos.principal：Hive元数据存储的Kerberos主体名称。
  • hive.server2.authentication.kerberos.principal：Hive Server2的Kerberos主体名称。
  • spark.shuffle.service.enabled：是否启用Spark Shuffle服务。
  • hive.strict.checks.orderby.no.limit：是否在没有Limit操作的OrderBy语句中执行严格检查。
  • hive.strict.checks.no.partition.filter：是否在没有分区过滤条件的查询中执行严格检查。
  • hive.strict.checks.type.safety：是否执行严格的类型安全性检查。
  • hive.strict.checks.cartesian.product：是否执行严格的笛卡尔积检查。
  • hive.strict.checks.bucketing：是否执行严格的桶排序检查。

这些参数的具体值可以根据实际需求进行修改和配置，以满足您的Hive和Spark环境的要求。

spark 连接 hive 线下与集群运行
enjoy
02-26 722
spark连接hive本来就是很简单的事情，但是因为各种环境冲突，搞了半天，下面是scala代码实现(本地测试时最好不要取当天的数据，容易触发集群) package com.features.dl /** * @author Supeihuang * @date 2020/2/21 * @description file description */ object HiveT...
hive-site.xml
01-16
hive+mysql配置文档，需要修改的配置，以及配置的要求
hive-site.xml 模板文件
04-02
hive-site.xml hive-site.xmlhive-site.
hive-site.xml 配置
hxsln11的博客
08-12 1124
F:\hive_sql学习\hadoop01。1.hive-site自己.xml。
Hive Hive配置详解
热门推荐
迎难而上
06-25 1万+
整理自 https://www.cnblogs.com/hark0623/p/5650075.html在Hive 安装后，  hive 主要的配置文件为 conf 中  hive-site.xml那该文件中那么多的配置选项都是什么含义呢。下面这篇文章带你解密这些配置请跟随以下这些问题来看以下配置：1.hive输出格式的配置项是哪个？2.hive被各种语言调用如何配置？3.hive提交作业是在hiv...
hive-site.xml 这是一份我本地配置的好用的
09-04
hive-site.xml 这是一份我本地配置的好用的，hadoop2.7.3 搭建hive-site.xml可以参考一下，希望对您有帮助啊
spark下安装hive配置文件hive-site.xml
03-24
spark下安装hive标准配置文档。Ubuntu安装hive，并配置mysql作为元数据库时候需要的标准hive-site.xml配置文件，可以根据这个文件联系我的博文内容就行修改，避免入坑。实现快捷启动hive。
hive驱动包hive-jdbc-uber-2.6.5.0-292.jar（用户客户端连接使用）
06-03
- **Hadoop配置**：Hive JDBC驱动需要知道Hadoop的相关配置，如HDFS的地址、Hive Metastore的地址等，这些信息可能需要通过系统属性或者Hive-site.xml文件提供。 - **安全性**：如果Hive集群启用了Kerberos安全模式...
hive-site.xml配置文件参数解释.docx
weixin_33994444的博客
09-09 3710
为什么80%的码农都做不了架构师？>>> ...
hive 配置文件
03-03
hive 配置文件，包括hive-site.xml与hive-env.sh两个配置文件，可根据自己需要修改
hive.site.xml
baiyang256101的博客
12-08 577
<?xml version="1.0" encoding="UTF-8" standalone="no"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?><!-- Licensed to the Apache Software Foundation (ASF) under one or more contributor license agreements. See the NOTICE f
hive的hive-site.xml
m0_56540826的博客
02-19 531
【代码】hive的hive-site.xml。
Hive配置文件hive-site.xml
weixin_30687051的博客
06-07 297
<configuration> <property> <name>hive.metastore.warehouse.dir</name> <value>/home/local/hive-metastore-dir/warehouse</value> ...
Apache Hive安装及配置
╱/.进oоΟ的专栏
12-06 3499
原文地址：http://blog.yidooo.net/archives/apache-hive-installation.html 安装前 在安装Hive之前，请保证已经安装了Hadoop。 Apache Hive安装及配置 安装Mysql 本文选用mysql作为Hive的metastore。 帮助 1 su
【Hive入门】
最新发布
weixin_40433003的博客
06-04 224
之前实习写的笔记，上传留个备份。
idea中 @Autowired private IStudentsService studentsService; 此处画红色波浪线报错studentsService;
04-03
### 解决 IntelliJ IDEA 中 `@Autowired` 注解导致的红色波浪线错误 在使用 Spring 框架时，如果遇到 `@Autowired` 注解下的依赖注入对象显示为红色波浪线错误或者黄色警告的情况，通常是由以下几个原因引起的： #### 1. **Spring 插件未启用** 如果 Spring 支持插件未被激活，则可能导致 IDE 无法识别 `@Autowired` 或其他 Spring 特定的功能。可以通过以下方式解决问题： - 打开设置菜单：`File -> Settings -> Plugins`。 - 确认已安装并启用了名为 “Spring Framework Support” 的官方插件[^1]。 #### 2. **项目配置文件缺失或不正确** Spring 需要通过 XML 文件、Java Config 类或其他形式来定义 Bean 定义。如果没有正确加载这些配置文件，可能会导致 `@Autowired` 报错。 - 确保项目的 `applicationContext.xml` 或者基于 Java 的配置类（带有 `@Configuration` 和 `@Bean` 注解）已被正确定义和引入。 - 对于 Spring Boot 项目，确认是否存在 `spring.factories` 文件以及是否包含了必要的组件扫描路径[^3]。 #### 3. **模块依赖关系问题** 当前模块可能缺少对 Spring Core 或 Context 组件库的有效引用。这可能是由于 Maven/Gradle 构建工具中的依赖项声明不足造成的。 - 检查 `pom.xml` (Maven) 或 `build.gradle` (Gradle)，确保包含如下核心依赖之一： ```xml <!-- For Maven --> <dependency> <groupId>org.springframework</groupId> <artifactId>spring-context</artifactId> <version>${spring.version}</version> </dependency> ``` ```gradle // For Gradle implementation 'org.springframework:spring-context:${springVersion}' ``` - 更新项目依赖树以应用更改：右键点击项目根目录 -> `Maven -> Reload Project` 或运行命令 `./gradlew build --refresh-dependencies`。 #### 4. **IDE 缓存损坏** Intellij IDEA 的缓存机制有时会因各种因素而失效，从而引发误报错误。清除缓存可以有效缓解此类情况。 - 使用快捷组合键 `Ctrl + Alt + Shift + S` 进入项目结构对话框；也可以尝试执行操作序列：`File -> Invalidate Caches / Restart... -> Invalidate and Restart`. #### 5. **启动异常影响正常解析** 若之前存在类似 `com.intellij.diagnostic.PluginException` 的严重初始化失败日志记录，则表明某些关键服务未能成功加载，进而干扰到后续功能表现[^2]。建议重新下载最新稳定版本的 IDEA 并按照标准流程完成初次部署工作。 ```java // 示例代码片段展示如何正确运用 @Autowired 注解实现自动装配 @Service public class StudentService { private final Repository repository; public StudentService(@Qualifier("specificRepository") Repository repo){ this.repository = repo; } } @Component class SpecificComponent{ @Autowired private transient StudentService studentService; // 此处应无任何编译期告警现象发生 } ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

BigDataMLApplication

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值