Question

当我在VirtualBox Sandbox中使用hive运行查询时。我觉得Select count(*)比Select *慢得多。

任何人都可以解释背后发生的事情吗？

为什么会出现这种延迟？

Answer 1

select * from table

它可以是仅限地图的工作但是

Select Count(*) from table

它可以是Map and Reduce工作

希望这有帮助。

Answer 2

配置单元查询可以执行三种类型的操作。

为了最便宜，最快，更昂贵，也更慢。

配置单元查询可以是仅元数据请求。

显示表，描述表是示例。在这些查询中，hive进程在元数据服务器中执行查找。元数据服务器是一个SQL数据库，可能是MySQL，但实际的数据库是可配置的。

配置单元查询可以是hdfs get请求。从表中选择*就是一个例子。在这种情况下，hive可以通过执行hdfs操作来返回结果。 hadoop fs -get，或多或少。

配置单元查询可以是Map Reduce作业。

Hive必须将jar发送到hdfs，jobtracker将任务排队，tasktracker执行任务，最终数据放入hdfs或发送到客户端。

Map Reduce工作也有不同的可能性。

它可以是仅限地图的作业。从表中选择*，其中id＆gt; 100，例如，所有逻辑都可以应用于映射器。

它可以是Map和Reduce工作，从表中选择min（id）; 从id;表顺序中选择*;

它还可以导致多个地图Reduce传递，但我认为上面总结了一些行为。

Answer 3

这是因为数据库正在使用聚簇主键，因此查询会逐行搜索每一行的键，而不是从索引中划分行。