Hivesql里的limit使用误区

select * from HIVE_D_MT_UU_H_SPARK limit 1000;

读取前1000行。

需求：

在hive表前1000行里，过滤出不重复的refid,imsi。

错误的写法：

select distinct refid,imsi from HIVE_D_MT_UU_H_SPARK limit 1000;

会去读取全表，把0~1000行的不重复refid,imsi显示出来。

正确的写法：

select distinct refid,imsi from (select * from HIVE_D_MT_UU_H_SPARK limit 1000);

调优的写法：

CREATE TABLE TEMP_HIVE_D_MT_UU_H_SPARK AS

select * from HIVE_D_MT_UU_H_SPARK limit 1000;

select distinct refid,imsi from TEMP_HIVE_D_MT_UU_H_SPARK;

hive最快的执行就是不走MapReduce。简单的select的是最快的，嵌套啥的都比较忙。与关系型数据库不同。

调优的写法执行更快。