一、設置Shuffle過程中的並行度
設置參數：SQLContext.setConf("spark.sql.shuffle.prititions",xxx);
二、設置合理的數據類型
在Hive數據倉庫建設過程中，合理設置數據類型，比如能設置爲IINT的，就不要設置成BIGINT，減少數據類型導致的不必要的內存開銷。
三、明確列名
編寫SQL是，儘量給出明確的列明，比如select name from students。不要寫成select * from students。
四、並行處理查詢結果
對SparkSQL查詢的結果，如果數據量比較大，比如超過了1000條，不要一次性collect()到Driver再處理。使用foreach()算子，並行處理查詢結果。
五、緩存表
對於一條SQL語句中可能多次使用到的表，可以對其進行緩存，使用SQLContext.cacheTable(tableName)，或者DataFrame.cache()即可。SparkSQL會用內存列存儲的格式進行表的緩存。然後SparkSQL就可以僅僅掃描需要使用的列，並且自動優化壓縮，來最小化內存使用和GC開銷。SQLContext.uncacheTable(tableName)可以將表從緩存中移除。用SQLContext.setConf()，設置spark.sql.inMemoryColumnarStorage.batchSize參數（默認10000），可以配置列存儲的單位。
六、廣播join表
spark.sql.autoBroadcastJoinTreshold，默認10485760（10MB）。再內存夠用的情況下，減小其大小，可以將join中的較小的表廣播出去，而不用進行網絡數據輸出。注意：大小不超過設置值的表，都會被廣播出去。
七、鎢絲計劃
spark.sql.tungsten.enabled，默認是true，自動管理內存。
通常情況下，使用第四條——並行處理查詢結果。緩存表和廣播join表，效果也還可不錯。