performance - 使用 Hive 日期函数而不是硬编码日期字符串时，Hive 查询性能很慢？

Question

我有一个每天更新的事务表 table_A。每天我都会使用 file_date 字段从外部 table_B 将新数据插入 table_A 以从外部 table_B 过滤必要的数据> 插入到 table_A。但是，如果我使用硬编码日期与使用 Hive 日期函数，则性能会有很大差异:

-- Fast version (~20 minutes)
SET date_ingest = '2016-12-07';
SET hive.exec.dynamic.partition.mode = nonstrict;
SET hive.exec.dynamic.partition = TRUE;

INSERT
    INTO
        TABLE
            table_A PARTITION (FILE_DATE) SELECT
                    id, eventtime
                    ,CONCAT_WS( '-' ,substr ( eventtime ,0 ,4 ) ,SUBSTRING( eventtime ,5 ,2 ) ,SUBSTRING( eventtime ,7 ,2 ) )
                FROM
                    table_B
                WHERE
                    file_date = ${hiveconf:date_ingest}
;

相比于:

-- Slow version (~9 hours)
SET date_ingest = date_add(to_date(from_unixtime( unix_timestamp( ) )),-1);
SET hive.exec.dynamic.partition.mode = nonstrict;
SET hive.exec.dynamic.partition = TRUE;

INSERT
    INTO
        TABLE
            table_A PARTITION (FILE_DATE) SELECT
                    id, eventtime
                    ,CONCAT_WS( '-' ,substr ( eventtime ,0 ,4 ) ,SUBSTRING( eventtime ,5 ,2 ) ,SUBSTRING( eventtime ,7 ,2 ) )
                FROM
                    table_B
                WHERE
                    file_date = ${hiveconf:date_ingest}
;

有没有人遇到过类似的问题？您应该假设我无权访问 Unix hive 命令(即不能使用 --hiveconf 选项)，因为我们使用的是第三方 UI。

Answer 1

有时在 filter 子句中使用函数时分区修剪不起作用。如果您计算包装器 shell 脚本中的变量并将其作为 -hiveconf 变量传递给 Hive，它将正常工作。示例:

#inside shell script
date_ingest=$(date -d '-1 day' +%Y-%m-%d)
hive -f your_script.hql -hiveconf date_ingest="$date_ingest" 

然后在 Hive 脚本中使用它作为 WHERE file_date ='${hiveconf:date_ingest}'