Как повысить производительность запроса, содержащего множество операций агрегирования по большой таблице в Impala? - PullRequest
Новая
       37

Как повысить производительность запроса, содержащего множество операций агрегирования по большой таблице в Impala?

0 голосов
/ 30 ноября 2018

Мне нужно выполнить много заданий, которые содержат множество операций агрегации (COALESCE, Group By, Left Join) и проверки условий (если, в случае if, case, isnull) над несколькими таблицами с более чем 1G строк в impala, нашем кластереможет справиться с заданиями, но я чувствую, что они стоят слишком много времени, для выполнения некоторых запросов может потребоваться 5-10 часов.

Интересно, в общем, что было бы лучшим способом оптимизировать трудоемкий тяжелый запрос?

Типичный запрос подобен приведенному ниже, но я просто спрашиваю здесь общие рекомендации, поэтому запрос размещен здесь только для справки.

Любая мысль, которая здесь дается, приветствуется. 

select distinct
    ,coalesce(w.pmaw,w2.pmaw,w3.pmaw) as pmaw
    ,if(w.pmaw is not null, 'pmaw_sheet',if(w2.pmaw is not null, 'gap_fill_by_mma_in_same_region','gap_fill_by_max_mma_of_all_regions')) as pmaw_source
    ,if(w.pmaw is not null,1,0) as is_actual_pmaw
    ,i.date_pull -- partitioned col needs to be last in select
from ( 
    select dr.date_pull,dr.id_acct,dr.id_cust,dr.acct_presence,pas_rg.leaflkp  as dim_pas_region_key,ah_prd.LeafLkp as dim_ah_product_key 
        ,if( coalesce( ah_prd.L4_Stype,pas_prd.l3_category_cd) ='PER','MMA pmaw', 'BMMA pmaw') as pmaw_mma_lob
    from pasle.${VERSION}_fact_driver dr --fact_driver: 985164794 rows
    left join pasle.${VERSION}_ah01 ah on dr.date_pull=ah.date_pull and dr.id_acct=ah.id_acct --ah01: 894956463 rows 
    left join pasle.${VERSION}_pas pas on pas.date_pull=dr.date_pull and pas.acct_num=dr.id_acct --pas: 502785263 rows
    left join pasle.${VERSION}_dim_ah_product ah_prd --1241 rows
        on isnull(ah.prod_code_1,'')=isnull(ah_prd.l1_class,'')
        and isnull(ah.prod_code_2,'')=isnull(ah_prd.l2_service,'')
        and isnull(ah.prod_code_3,'')=isnull(ah_prd.l3_ptype,'')
        and isnull(ah.prod_code_4,'')=isnull(ah_prd.l4_stype,'')
        --remove leading zeroes in prod_code_5 for values that are all numeric to match the dimension table values.
        and isnull(case when regexp_like(ah.prod_code_5,'^[0-9]+$') then cast(cast(ah.prod_code_5 as int) as string) else ah.prod_code_5 end,'')=isnull(ah_prd.appl_product_type,'')
    left join pasle.${VERSION}_dim_pas_product pas_prd on pas_prd.product_cd=pas.product_cd --dim_pas_product: 326 rows
    left join pasle.${VERSION}_dim_pas_region pas_rg on cast(pas_rg.bank_cd as string)=pas.bank_cd and cast(pas_rg.region_cd as string) =pas.region_cd  --dim_pas_region: 23 rows
    ) i
    -- pmaw straight from pmaw sheet
    left join pasle.${VERSION}_pmaw_sheet w on w.date_pull = i.date_pull and w.dim_pas_region_key=i.dim_pas_region_key    and w.dim_ah_product_key =i.dim_ah_product_key --pmaw_sheet: 315795
    -- pmaw gap fill case 1 : when an account matches to pmaw sheet by region but not by product, take MMA/BBMA pmaw.
    -- the following combinations from acct_presence=both will fall into this category :
    --CHECKING  DDA
    --Retirement    IRA
    --Retirement    QP
    --Retirement    SAV
    --All PAS accounts fall into this category. match on region but not product
    left join pasle.${VERSION}_pmaw_sheet w2 on w2.pmawproduct in ('MMA pmaw','BMMA pmaw')  --pmaw_sheet: 315795
        and w2.date_pull = i.date_pull and w2.dim_pas_region_key=i.dim_pas_region_key  and w2.pmawproduct = i.pmaw_mma_lob 
    -- pmaw gap fill case 2 : for all AH_only accounts, that don't match product or region, take the average of pmaw. 
    -- all accounts in ah_only where ah_product_class in (Investment,Loan,Other,Unmapped) and not match to region, we will take max(pmaw) of MMA product of corresponding lob.
    left join (select  date_pull,pmawproduct,max(pmaw) as pmaw from pasle.${VERSION}_pmaw_sheet where pmawproduct in ('MMA pmaw','BMMA pmaw') group by date_pull  ,pmawproduct)  w3 --pmaw_sheet: 315795
        on w3.date_pull = i.date_pull  and w3.pmawproduct =  i.pmaw_mma_lob
...