Hive partition prune的一个Bug

昨天跑了一个Hive查询发现启动的MAP数远远多于预期，很奇怪；查询可以简单抽象如下：

比如有一个表t的分区键dt string；查询select count(*) from t where dt=20130926;

是哪里出了问题呢？首先看一下执行计划果然发现问题了：

首先出现了：

expr: (dt = 2.0130926E7)

type: boolean

其次partition values是dt 和__HIVE_DEFAULT_PARTITION__

应该发生了类似隐式转换的事情吧？修改成dt=’20130926’再看正确了.

因为隐式转换而无法使用索引的情况在RDBMS比较常见，但是这个如果是隐式转换也说不通，因为只是多扫描了一个分区而不是全部分区，带着这样的疑问看源码：得到的结论就是Hive的分区键列和值都必须是String类型，如果不是就可能会Hit到bug 4878(pruneBySequentialScan),不知道为什么CDH4.2没有merge这个patch.

Update：这个Bug已经在Hive 0.12被fixed掉了

本文转自MIKE老毕 51CTO博客，原文链接：http://blog.51cto.com/boylook/1302073，如需转载请自行联系原作者