Question

在Tez上使用Hive对此视图运行此查询会导致全表扫描，即使regionid和id上有分区也是如此。 Cloudera Impala中的此查询需要0.6秒才能完成，并且在Tez上使用Hortonworks Data Platform和Hive需要花费800秒。我得出的结论是，在Hiz on Tez上使用窗口函数可以防止将谓词下推到内部选择，从而导致全表扫描。

CREATE VIEW latestposition AS
WITH t1 AS (
  SELECT *, ROW_NUMBER() OVER ( PARTITION BY regionid, id, deviceid order by ts desc) AS rownos FROM positions 
)
SELECT *
FROM t1
WHERE rownos = 1; 

SELECT * FROM latestposition WHERE  regionid='1d6a0be1-6366-4692-9597-ebd5cd0f01d1' and id=1422792010 and deviceid='6c5d1a30-2331-448b-a726-a380d6b3a432';

我尝试使用MAX函数将此表连接到自身以获取最新记录，它可以工作，并在几秒钟内完成，但对于我的用例来说仍然太慢。此外，如果我删除窗口函数，谓词会被推下来，这将以毫秒为单位返回。

如果有人有任何想法，我将不胜感激。

Answer 1

对于任何有兴趣的人，我都会在Hortonworks社区论坛上发布此问题。那边的好人在Hive Jira上针对这个问题提出了一个错误，并且正在积极研究它。

https://community.hortonworks.com/questions/8880/hive-on-tez-pushdown-predicate-doesnt-work-in-part.html

https://issues.apache.org/jira/browse/HIVE-12808

Answer 2

这是预期的行为。要避免全表扫描，您必须应用这样的where条件（您不能通过使用视图）。这是大多数数据库的限制。分析函数应该在数据被过滤后应用，因为它将在内部创建临时表。

WITH t1 AS (
  SELECT *, ROW_NUMBER() OVER ( PARTITION BY regionid, id, deviceid order by ts desc) AS rownos FROM positions **<where condition>**
)
SELECT *
FROM t1
WHERE rownos = 1;

Tez下推谓词上的Hive在分区表

2 个答案: