Hive关键字优化主要包括以下几个方面：
合理设计表结构：在设计表结构时，应考虑字段的数据类型、长度和分隔符等因素。合理的数据类型和长度可以减少存储空间和提高查询效率。同时，选择合适的分隔符可以避免数据解析错误。
使用分区表：分区表可以将数据分散到不同的分区中，从而提高查询效率。在选择分区键时，应根据实际业务需求选择具有区分度的字段，以便在查询时能够减少扫描的数据量。
使用桶表：桶表是一种将数据按照某种规则分散到不同桶中的表结构。通过使用桶表，可以在查询时将数据集中到一个或少数几个桶中进行扫描，从而提高查询效率。
使用压缩技术：压缩技术可以减少数据的存储空间和网络传输开销。Hive支持多种压缩算法，如Snappy、Gzip等。在选择压缩算法时，应根据数据的特点和查询需求选择合适的算法。
优化查询语句：在编写查询语句时，应尽量避免使用SELECT *，而是明确指定需要查询的字段。此外，还可以使用JOIN、GROUP BY等操作来减少数据扫描量。
使用索引：Hive支持创建索引来加速查询。索引可以帮助Hive在查询时快速定位到需要的数据，从而提高查询效率。但是，索引会占用额外的存储空间，因此在创建索引时需要权衡好存储空间和查询性能的关系。
调整配置参数：Hive的配置参数对查询性能有很大影响。可以根据实际情况调整一些关键参数，如MapReduce任务的内存分配、并行度等，以提高查询性能。
使用Tez或Spark作为执行引擎：Hive支持使用Tez或Spark作为执行引擎，它们相较于默认的MapReduce执行引擎具有更高的查询性能。可以根据实际业务需求选择合适的执行引擎。