我需要对以下架构的数据执行漏斗分析：
A(int X) Matched_B(int[] Y) Filtered_C(int[] Z)
其中，
A是指可以发送多个请求的客户端ID。不是存储请求ID，而是仅在数据管道中的每个请求中存储客户机ID。 （我不知道为什么）Matched_B是指为查询返回的商品列表。Flitered_C是Matched_B的子集，指的是成功通过过滤器的项目。所有数据都存储在HDFS的avro文件中。用于在HDFS中存储数据的QPS大约为12000。
我需要准备以下报告：
(X,Y[i])的每个组合，Y[i]中显示Matched_B的次数。(X,Y[i])的每个组合，Y[i]中显示Filtered_C的次数。基本上我想知道这个任务是否只能用Hive执行？
目前，我正在考虑以下架构。
HDFS(avro_schema)--> Hive_Script_1 --> HDFS(avro_schema_1) --> Java Application --> HDFS(avro_schema_2) --> Hive_Script_2(external_table) --> result
其中，
avro_schema是上述架构。avro_schema_1由Hive_Script_1通过转换（使用Lateral View explode(Matched_B））avro_schema生成，描述如下：
A(int X) Matched_B_1(int Y) Filtered_C(int[] Z)
avro_schema_2由Java Application生成，描述如下： A(int X) Matched_B(int Y) Matched_Y(1 if Y is matched, else 0) Filtered_Y(1 if Y is filtered, 0 otherwise)
最后，我们可以运行一个Hive脚本来处理每天生成的事件的数据。
另一种架构可能是我们删除了avro_schema_1代，并直接从Java应用程序处理avro_schema并生成结果。
但是，我想避免为此任务编写Java应用程序。有人能指出我对上述问题的Hive解决方案吗？
还希望有一些架构的POV能够有效解决这个问题。
注意：请建议考虑QPS（12000）的解决方案。