请帮我罗列出flinksql写入hive的所有配置并用中文注释

在Flink的配置文件中设置Hive Metastore的地址和端口号，即flink-conf.yaml文件中的hive.metastore.uris属性。

在Flink SQL Client的配置文件中设置Hive的JDBC连接信息，即flink-sql-client.yaml文件中的catalogs.hive的连接信息。

在创建Hive表之前，需要先在Flink SQL中注册Hive Catalog，可以使用以下命令：CREATE CATALOG hive_catalog WITH ( 'type'='hive', 'hive-conf-dir'='/path/to/hive/conf', 'hive-version'='2.3.4' );

在Flink SQL中创建Hive表时，需要指定表所属的Catalog和Schema，例如：CREATE TABLE hive_catalog.hive_schema.my_table (col1 INT, col2 STRING) PARTITIONED BY (dt STRING) STORED AS PARQUET;

如果需要将Flink SQL中的流式数据写入到Hive表中，可以使用Flink的DataStream API，将数据转换为DataStream后，使用Flink SQL的Insert Into语句将数据写入到Hive表中，例如：INSERT INTO hive_catalog.hive_schema.my_table SELECT * FROM myDataStream;

在Flink中配置Hive的存储格式和分区方式，可以使用Flink SQL的WITH选项进行配置，例如：CREATE TABLE hive_catalog.hive_schema.my_table (col1 INT, col2 STRING) PARTITIONED BY (dt STRING) STORED AS PARQUET WITH ( 'partition.time-extractor.timestamp-pattern'='$dt', 'sink.partition-commit.policy.kind'='metastore,success-file' );

在Flink中配置Hive的表格式，可以使用Flink SQL的WITH选项进行配置，例如：CREATE TABLE hive_catalog.hive_schema.my_table (col1 INT, col2 STRING) PARTITIONED BY (dt STRING) STORED AS ORC WITH ( 'orc.compress'='ZLIB', 'orc.bloom.filter.columns'='col1', 'orc.bloom.filter.fpp'='0.05' );

在Flink中配置Hive表的分区列，可以使用Flink SQL的PARTITIONED BY子句进行配置，例如：CREATE TABLE hive_catalog.hive_schema.my_table (col1 INT, col2 STRING) PARTITIONED BY (dt STRING);

在Flink中配置Hive表的数据存储位置，可以使用Flink SQL的LOCATION选项进行配置，例如：CREATE TABLE hive_catalog.hive_schema.my_table (col1 INT, col2 STRING) PARTITIONED BY (dt STRING) STORED AS PARQUET LOCATION '/path/to/hive/table/my_table';

在Flink中配置Hive表的序列化方式，可以使用Flink SQL的WITH选项进行配置，例如：CREATE TABLE hive_catalog.hive_schema.my_table (col1 INT, col2 STRING) PARTITIONED BY (dt STRING) ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.avro.AvroSerDe' WITH SERDEPROPERTIES ( 'avro.schema.literal'='{"namespace": "example.avro","type": "record","name": "User","fields": [{"name": "name","type": "string"},{"name": "age","type": "int"}]}')