hadoop - 减少 Hive 查询执行时间的方法

Question

我们每天运行下面的查询，由于交易表中的数据量巨大，该查询运行了 3 小时左右。有什么方法可以调整此查询或减少执行时间？

   CREATE TEMPORARY TABLE t1 AS
    SELECT DISTINCT EVENT_DATE FROM (
      SELECT DISTINCT EVENT_DATE FROM mstr_wrk.cust_transation
      WHERE load_date BETWEEN CAST(CAST('2019-03-05 04:00:31.0' AS TIMESTAMP) AS DATE) AND CURRENT_DATE() AND  event_title = 'SETUP'
      AND state != 'INACTIVE' AND mode != 'DORMANT') T

我尝试减少 reducer 的数量以帮助加快速度，还尝试启用矢量化，但运气不佳。我们在 tez 上运行。

Answer 1

1. 你不需要申请 DISTINCT 两次
2. 如果表 mstr_wrk.cust_transation 按 load_date 分区，分区修剪将不起作用，因为您正在使用函数。这将导致表全扫描。在 shell 脚本中计算日期并作为参数传递

在参数化你的脚本之前检查这个脚本的性能

  CREATE TEMPORARY TABLE t1 AS
      SELECT DISTINCT EVENT_DATE FROM mstr_wrk.cust_transation
      WHERE load_date >= '2019-03-05' AND load_date <= '2019-03-07' 
            AND  event_title = 'SETUP'
            AND state != 'INACTIVE' AND mode != 'DORMANT'