Hive UDF 性能太慢

Question

我已经在 Select query where condition 中使用 Custom Hive UDF 函数执行了 Hive SQL 脚本，它已经运行了两天多。 我想知道这里到底有什么问题？调用java需要很多时间还是查询执行它自己需要很多时间？

我的数据集如下， 表 A 有 200 万条记录， 表 B 有 100 万条记录，

示例查询如下

选择**** 从 （选择 * 从 A A1 WHERE A1.ds in ('2014-06-11', '2014-06-12') ) A1 左外连接 （选择 * 从 B B1 WHERE B1.ds in ('2014-06-11', '2014-06-12') ) B1 where customUDF(A1.data, B1.data)

这可能是什么问题？是否有任何 Hive 脚本分析工具可用于查找确切的时间？

Answer 1

假设您可以访问 UDF，您可以在函数中添加以下内容（sudo 代码）：

long start = System.currentTimeMillis();
MapredContext context = MapredContext.get();
Reporter reporter = context.getReporter();
String group = "instrumentation.udf";
String counter = "customUDF";

// function business logic

long elapsed = System.currentTimeMillis() - start;
reporter.incrCounter(group, counter, elapsed);