Impala 查询以随机顺序返回数据

Posted

技术标签:

【中文标题】Impala 查询以随机顺序返回数据【英文标题】:Impala query returns data in random order 【发布时间】:2021-08-17 07:55:47 【问题描述】:

我希望我对表的 select * 查询以与数据库中存在的顺序相同的顺序返回。但是,它以随机顺序返回数据。在 Hive 中执行相同的查询时,我以正确的顺序获取数据集。有没有一种方法可以让 impala 以与 DB 中相同的顺序返回结果集?

【问题讨论】:

一种奇怪的请求。你为什么需要它 ?表现 ? DB可以按任何顺序、时间存储和检索数据。所以根据那个顺序可以是任何东西。除非您使用某些字段来订购,否则它不能保证。所以,我不确定 hive 是如何返回预期数据的,但如果更新/删除/更改表结构之类的东西,我觉得它会改变。 我没有用于排序数据的密钥。我只是最终数据的消费者。我知道数据库内的存储是以预期和正确的格式进行的。另外,我需要它以相同的方式构建层次结构的确切顺序 ***.com/a/56679664/2700344 【参考方案1】:

如果没有ORDER BY,查询返回的行顺序未定义。由于并行和分布式执行,每次运行返回的顺序可能会有所不同,有些进程可以执行得更快,有些进程可以在队列中等待,它们都会相互独立地发出数据。

同样根据经典的 Codd 关系理论,表中的行顺序和列顺序对数据库来说并不重要。您可以在插入表的过程中对数据进行排序,排序后的数据将被更好地压缩,内部索引和布隆过滤器会更好地工作,但是如果没有ORDER BY,则无法保证返回数据集中的行顺序。 Hive 也是一样的,在某些情况下,只有一个 mapper 已经启动并且没有 reducer,数据会按照数据文件中的顺序返回,但是不要依赖它,如果需要排序,添加 ORDER BY .

只有单线程处理才能以相同的顺序返回数据,但这会降低性能。更好地重新设计您的数据流并添加一些排序列,以便能够在分布式环境中选择期间对行进行排序。

【讨论】:

以上是关于Impala 查询以随机顺序返回数据的主要内容,如果未能解决你的问题,请参考以下文章

在 Pyspark 中返回错误结果的 Impala 查询

需要帮助返回 ms-access 测试库的随机顺序多项选择答案

Apache Impala(五) Impala数据导入方式

是否可以使用 VTL 随机化 DynamoDB 查询结果?

按随机和字段排序 MySQL 查询?

以特定块返回SQL查询? [重复]