在做容量规划的时候，我们需要关注hive中表的占用空间大小，文件数量，平均文件大小，已及存储格式，虽然在hive中也有statistcs的功能，但是值并准确（相比mysql的show table status相差很多）

　　我们可以通过一些简单地方法去拿到这个值，比如通过hadoop fs -du 来获取表占用的空间大小，通过hadoop fs -ls -R |wc -l获取表的文件数量，然后定期取值并load到数据库中。

　　在元数据库中，通过创建view来获取数据库，hdfs路径，表类型，存储格式等信息

　　CREATE OR REPLACE VIEW table_location_type AS SELECT CONCAT_WS('.'，a.NAME，b.TBL_NAME) AS db_table，SUBSTR(c.LOCATION，18) AS db_location，b.TBL_TYPE AS type，SUBSTRING_INDEX(c.INPUT_FORMAT， '.'， -1)

　　AS IN_FOR FROM dbs a，tbls b，sds c WHERE a.DB_ID=b.DB_ID AND b.SD_ID=c.SD_ID；

　　数据如下：

　　select * from table_location_type limit 5；

　　| db_table                         | db_location                                             | type          | IN_FOR            |

　　| xxxx         | /bip/hive_warehouse/cdnlog.db/dnion_log_origin          | MANAGED_TABLE | TextInputFormat   |

　　| xxxx     | /bip/hive_warehouse/cdnlog.db/chinacache_log_origin     | MANAGED_TABLE | TextInputFormat   |

　　| xxxx | /bip/hive_warehouse/cdnlog.db/chinanetcenter_log_origin | MANAGED_TABLE | TextInputFormat   |

　　| xxxxx                 | /bip/hive_warehouse/cdnlog.db/dnion_log                 | MANAGED_TABLE | RCFileInputFormat |

　　| xxxx        | /bip/hive_warehouse/cdnlog.db/chinanetcenter_log        | MANAGED_TABLE | RCFileInputFormat |

　　然后通过和我们自己收集的信息做join就可以获取相关的数据：

　　比如文件数量最多top 20

　　select a.db_table as tb，round(b.size/(1024*1024*1024)，2) as size，c.size as num，round(b.size/(c.size*1024*1024)，2) as avg，

　　a.type，a.in_for from table_location_type  a，file_size b，file_num  c where a.db_location=b.location and a.db_location=c.location and c.dt='20140325'

　　and b.dt='20140325' and c.size > 0 and b.size > 1000000000 order by c.size+0 desc limit 20；

　　在实际的使用中，我们收集了文件数最多的表，占用空间最大的表，平均文件最小的表，并通过报表的形式方式处理，这样就可以简单了解到hive中表的一些信息，另外还会收集一些job的信息，比如job的map和reduce的数量，使用情况等，对job做详细的分析和优化。