减少 Hive 查询执行时间的方法
Posted
技术标签:
【中文标题】减少 Hive 查询执行时间的方法【英文标题】:Approach to reduce the execution time of a Hive query 【发布时间】:2019-03-07 14:13:47 【问题描述】:由于事务表中的数据量很大,我们每天都在下面运行这个查询,这个查询运行了 3 个小时左右。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
我尝试减少减速器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。
【问题讨论】:
【参考方案1】:-
您不需要应用 DISTINCT 两次
如果表
mstr_wrk.cust_transation
被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'
【讨论】:
【参考方案2】:重新设计表格并使用索引。
例如,我将使用数字“状态”列或枚举以及数字或枚举“事件”列。这有助于创建高效的索引,而不是 varchar 或 text 类型。
如果查询正在使用索引,则可以显着提高查询速度。
反正不知道表结构和涉及的记录数,我只是猜测......
【讨论】:
以上是关于减少 Hive 查询执行时间的方法的主要内容,如果未能解决你的问题,请参考以下文章
使用java语句类的单个execute()方法执行多个hive查询