hive3 不支持 hive on mr

从Hive 3.0版本开始，Hive不再支持Hive on MR（MapReduce）作为默认执行引擎。相反，它现在默认使用Tez作为执行引擎。这是因为MapReduce已经变得过时，而Tez提供了更好的性能和可伸缩性。但是，您仍然可以使用Hive on MR作为执行引擎，只需要将hive.execution.engine设置为mr即可。但是，建议使用Tez作为执行引擎以获得更好的性能和体验。

相关问题

.mr和hive on sprak的区别

mr和Hive on Spark都是用来处理大数据的工具，但它们之间存在一些明显的区别。MapReduce（MR）是由Google提出的一种分布式计算模型，它把大任务分解成许多小任务，由集群中的节点分别执行这些小任务，最后合并结果。而Hive on Spark是一种基于Apache Spark的Hive数据仓库。它利用Spark来提高Hive查询的执行速度，支持在线处理和批处理，可以更好地管理大量数据。

hive配置spark执行引擎

为了在Hive中使用Spark作为执行引擎，需要进行以下配置：

1. 安装Spark：首先需要在集群中安装Spark，并设置SPARK_HOME环境变量，以便Hive能够找到Spark。

2. 启用Spark支持：在Hive的配置文件hive-site.xml中，需要加入以下配置项：

<property>
  <name>hive.execution.engine</name>
  <value>spark</value>
  <description>Execution engine for Hive, either mr or spark</description>
</property>

3. 配置Spark参数：在Hive的配置文件hive-site.xml中，可以设置一些关于Spark的参数，例如：

<property>
  <name>spark.master</name>
  <value>yarn</value>
  <description>The master URL for the Spark cluster manager</description>
</property>
<property>
  <name>spark.executor.memory</name>
  <value>4g</value>
  <description>Amount of memory per executor process</description>
</property>

4. 配置Hive on Spark：如果使用的是Hive on Spark，还需要进行以下配置：

<property>
  <name>hive.spark.client.connect.timeout</name>
  <value>600s</value>
  <description>Timeout for Hive client to wait for Spark client to connect</description>
</property>
<property>
  <name>hive.spark.client.server.connect.timeout</name>
  <value>600s</value>
  <description>Timeout for Spark client to connect to Hive client server</description>
</property>

以上就是在Hive中配置Spark执行引擎的步骤。需要注意的是，配置参数的具体值需要根据集群的实际情况进行调整。