1、新增"Explain dependency"语法，以json格式输出执行语句会读取的input table和input partition信息，这样debug语句会读取哪些表就很方便了

hive> explain dependency select count(1) from p;
OK
{"input_partitions":
[{"partitionName":"default@p@stat_date=20110728/province=bj"},
{"partitionName":"default@p@stat_date=20110728/province=jx"},
{"partitionName":"default@p@stat_date=20110728/province=jx123"},
{"partitionName":"default@p@stat_date=20110728/province=zhejiang"}],
"input_tables":[{"tablename":"default@p","tabletype":"MANAGED_TABLE"}]}
Time taken: 1.158 seconds, Fetched: 1 row(s)

　　2、对于简单的不需要聚合的类似SELECT col from table LIMIT 20语句，不需要起MapReduce job，直接通过Fetch task获取数据
　　3、Union优化，如果Union语句的parent是mapreduce job，那么它会先将结果写入临时文件中，Union再读取这些临时文件写入最终目录，上层语句再读取最终目录，这样导致结果文件读了两遍。优化策略就是结果数据直接往最终目录上写
　　4、实现了TRUNCATE，可以删除HDFS上面相关表格存储的数据，但是会保持表和metadata的完整性。

hive> TRUNCATE TABLE p;

这样将会删掉表格p关联的所以数据
　　5、建立了大量的关键字
在Hive 0.11下面的语句是合法的：

hive> create table table(id int);

而在Hive 0.11之前版本是不行的
　　6、Add LEAD/LAG/FIRST/LAST analytical windowing functions to Hive

hive> select id, rat, lag(id,2,100000) from m limit 10;
OK
12	3	100000
13	2	100000
276	1	12
716	5	13
880	3	276
378	3	716
913	2	880
721	3	378
676	4	913
806	4	721

hive> select id, rat, lag(id,1) from m limit 10;
和
hive> select id, rat, lag(id) from m limit 10;
都输出：
OK
12	3	NULL
13	2	12
276	1	13
716	5	276
880	3	716
378	3	880
913	2	378
721	3	913
676	4	721
806	4	676

hive> select id, rat, lead(id,1) from m limit 10;
和
hive> select id, rat, lead(id) from m limit 10;
输出结果一样
OK
12	3	13
13	2	276
276	1	716
716	5	880
880	3	378
378	3	913
913	2	721
721	3	676
676	4	806
806	4	495

　　7、增加了NVL函数

hive> select NVL(name ,’no name’) from m limit 10;

　　8、通过配置可以指定Hive中log4j日志配置文件的存放路径。

hive \
-hiveconf hive.log4j.file=/home/carl/hive-log4j.properties \
-hiveconf hive.log4j.exec.file=/home/carl/hive-exec-log4j.properties

　　9、新增了DECIMAL 新类型，并且可以在Regex Serde中使用
　　10、新增Hive Server 2，解决之前存在的security和concurrency问题。同时新增加了Beeline CLI（基于SQLLine），可以在command-line中以交互式的访问Hive Server 2
　　11、支持DML
　　12、删除分区时，支持使用IGNORE PROTECTION谓词
　　13、当用户将Hive查询结果输出到文件，用户可以指定列的分割符，默认的是^A

hive> insert overwrite local directory '/home/wyp/Documents/result'
hive> select * from test;

上面是用'^A'来分割得出的列，如果我们需要指定列之间的分隔符可以用下面的命令实现：

hive> insert overwrite local directory '/home/wyp/Documents/result'
hive> row format delimited
hive> fields terminated by '\t'
hive> select * from test;

增加了两行，从而使得列与列之间以我们指定的分隔符来指定。
定义map的分割可以用下面的命令实现：

insert overwrite local directory './test-04' 
row format delimited 
FIELDS TERMINATED BY '\t'
COLLECTION ITEMS TERMINATED BY ','
MAP KEYS TERMINATED BY ':'
select * from src;

　　14、增加操作员级别的Hooks
　　15、支持ALTER VIEW AS SELECT
　　16、可以得到RCFile中每一列压缩和未压缩的大小
　　17、可以通过CLI修改表格的bucketing/sorting元数据
　　18、增加了Hive Profiler工具，可以用它追踪用户的wall times和call counts
　　19、支持创建和删除临时分区
　　20、ORC支持内存管理
　　21、把Hcatalog整合到hive里面了，而不是独立的项目
　　22、支持ORCFile文件格式(Optimized Row Columnar)，基于列存储，文件内置有inline index，可以基于文件做predicate pushdown，根据stripe的元数据来选择是否跳过stripe，大大降低input size
　　23、group by 语法增强，group by除了可以跟column alias，也可以跟column position

比如：
select f1(col1), f2(col2), f3(col3), count(1) \
group by f1(col1), f2(col2), f3(col3);
可以写成
select f1(col1), f2(col2), f3(col3), count(1) group by 1, 2, 3;