2025年大数据HiveSQL查询优化冲刺押题试卷.docxVIP

2025年大数据HiveSQL查询优化冲刺押题试卷

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共20分）

1.下列哪种Hive数据存储格式通常比TextFile格式具有更好的压缩率和查询性能？

A.ORC

B.Parquet

C.SequenceFile

D.RCFile

2.在Hive中，以下哪个语句主要用于创建索引以加速特定字段的查询？

A.CREATETABLE

B.CREATEINDEX

C.CREATEPARTITION

D.CREATECLUSTEREDTABLE

3.当执行两个大表之间的JOIN操作时，如果两个表的连接字段都进行了分桶（Bucket），并且桶数相同，最有可能获得最佳性能的JOIN类型是？

A.Map-SideJoin

B.Sort-MergeJoin

C.BucketMapJoin

D.HashJoin

4.在Hive中，`SEThive.exec.dynamic.partition=true;`和`SEThive.exec.dynamic.partition.mode=nonstrict;`这两条设置共同启用了哪种功能？

A.支持嵌套查询

B.允许在SELECT语句中使用动态分区

C.开启查询结果缓存

D.优化MapReduce任务并行度

5.以下哪个Hive内置函数属于窗口函数？

A.SUM()

B.MAX()

C.LAG()

D.CONCAT()

6.如果一个Hive表的分区键是`date`，查询只涉及`2023-10-26`这一天数据的数据量远小于全表数据量，那么这种查询能够有效利用分区进行优化，主要是利用了分区的什么特性？

A.分桶

B.列式存储

C.谓词下推

D.数据压缩

7.在Hive中，执行`EXPLAINFORMATTEDselect*frommytablewhereid=100;`主要目的是什么？

A.显示表的DDL信息

B.显示查询的详细执行计划

C.修改表的存储格式

D.优化查询中的JOIN操作

8.以下哪种情况最容易导致MapReduce或Tez作业中的Reduce任务出现数据倾斜？

A.输入数据量过小

B.JOIN操作的左右表大小悬殊

C.表中只有一个分区

D.使用的Hive版本过旧

9.Hive的元数据存储默认通常在哪个Hadoop组件上？

A.NameNode

B.DataNode

C.HiveServer2

D.MetaStoreServer(通常运行在HiveServer2进程中或单独的数据库)

10.对于需要频繁执行且结果相对稳定的查询，Hive提供了哪种机制来缓存查询结果？

A.表分区

B.查询历史记录

C.Hive内部查询结果缓存

D.MapReduceJobTracker缓存

二、简答题（每题5分，共25分）

1.简述Hive中“分区（Partition）”的概念及其对查询优化的主要作用。

2.列举至少三种HiveSQL查询中可能出现的性能瓶颈，并简述其原因。

3.Hive的“分桶（Bucketing）”有什么作用？在执行BucketMapJoin时，对两个表桶的数量有什么要求？

4.解释什么是“列式存储”（ColumnarStorage），并说明其相比行式存储（Row-basedStorage）在Hive查询优化中的优势。

5.当Hive查询执行计划中出现大量的Shuffle操作时，通常意味着什么？可以采取哪些优化措施来减少Shuffle？

三、改写优化题（每题10分，共20分）

1.假设有两个表`orders`（订单表，字段：order_id,customer_id,order_date,amount）和`customers`（客户表，字段：customer_id,name,city）。现需查询每个城市客户下的总订单金额，原始查询语句如下：

```sql

SELECTc.city,SUM(o.amount)AStotal_amount

FROMorderso

JOINcustomerscONo.cus