60g24核的cdh集群，这个配置，跑几亿级别的数据，多长时间出结果比较正常呢？

处理几亿级别的数据，执行时间受到多种因素的影响，包括但不限于集群的硬件配置（如您提到的60GB内存和24核CPU）、数据的分布、JOIN操作的复杂度、数据表的索引优化情况、CDH（Cloudera Distribution including Apache Hadoop）集群的配置与优化、以及具体使用的计算框架（如MapReduce、Spark等）。

简单JOIN操作的时间估算没有一个固定的答案，但可以提供一些大致的考虑方向：

1. 数据分布与倾斜：如果JOIN操作的数据在两个表中分布均匀，处理速度会相对较快。但如果存在数据倾斜，即某一部分数据特别多，可能会导致任务运行缓慢。

2. 资源分配：确保集群资源充足且合理分配给作业。例如，根据作业需求调整YARN的资源配置，确保任务有足够的容器来并行处理数据。

3. JOIN策略：使用广播JOIN（Broadcast JOIN）对于小表JOIN大表非常有效，因为它可以避免shuffle过程，减少网络传输和磁盘I/O。但是，这需要足够的内存来存储广播的表。

4. 集群利用率：监控集群的整体负载，确保没有其他任务与当前作业竞争资源。

5. 调优：对JOIN操作进行SQL优化，比如预处理数据（如过滤、聚合），使用合适的分区策略，以及调整Hive或Spark的配置参数以提高性能。

基于以上因素，对于一个良好配置和优化的集群，处理几亿级别的数据，简单的JOIN操作可能在几分钟到几小时之间完成。但请注意，这个范围非常宽泛，实际运行时间需要根据具体情况测试得出。建议先在小规模数据上进行测试，评估性能，并根据测试结果进行相应的调优。