在Hive中，可以通过设置并行度来实现并行执行SQL语句。并行度是指同时处理的任务数量，通过并行执行可以提高查询的性能。

在Hive中，可以通过设置以下参数来控制并行度：

  1. mapreduce.job.reduces：设置Reduce任务的数量。Reduce任务用于汇总和聚合数据，在SQL语句中涉及到group by、order by等操作时会触发Reduce任务。较大的Reduce任务数量可以实现更高的并行度。

  2. hive.exec.parallel：设置并行执行的最大任务数量。这个参数控制同时执行的Map任务数量。较大的并行度可以提高查询的速度，但同时也会增加对集群资源的需求。

下面是一个示例，展示了如何在Hive中设置并行度并执行SQL语句：

-- 设置Reduce任务数量为10
SET mapreduce.job.reduces=10;

-- 设置并行度为5
SET hive.exec.parallel=5;

-- 执行SQL语句
SELECT * FROM table_name;

在上述示例中，首先通过SET语句设置了Reduce任务数量和并行度的值。然后，执行了一个简单的SQL查询语句。在执行该查询时，Hive会根据设置的并行度并行执行相应的任务。

为了更好地理解并行执行的过程，下面使用Mermaid语法绘制了一个序列图来说明：

sequenceDiagram
    participant Hive Client
    participant Hive Server
    participant MapReduce Job Tracker
    participant MapReduce Task Trackers

    Hive Client->>Hive Server: 发送SQL查询请求
    Hive Server->>MapReduce Job Tracker: 提交MapReduce任务
    MapReduce Job Tracker->>MapReduce Task Trackers: 分配Map任务
    MapReduce Task Trackers->>Hive Server: 执行并返回结果
    Hive Server->>MapReduce Job Tracker: 提交Reduce任务
    MapReduce Job Tracker->>MapReduce Task Trackers: 分配Reduce任务
    MapReduce Task Trackers->>Hive Server: 执行并返回结果
    Hive Server->>Hive Client: 返回查询结果

在上面的序列图中，首先Hive客户端向Hive服务器发送SQL查询请求。Hive服务器接收到请求后，会将MapReduce任务提交给MapReduce作业跟踪器。作业跟踪器根据设置的并行度，将Map任务分配给不同的Task Tracker执行。Task Tracker执行Map任务后，将结果返回给Hive服务器。然后，Hive服务器将Reduce任务提交给作业跟踪器，作业跟踪器再将Reduce任务分配给不同的Task Tracker执行。最后，Task Tracker执行Reduce任务并将结果返回给Hive服务器。最终，Hive服务器将查询结果返回给Hive客户端。

综上所述，在Hive中可以通过设置并行度来实现并行执行SQL语句。通过设置合适的并行度，可以提高查询的性能。