行排序时优化 Hive GROUP BY

我有以下（非常简单）Hive 查询：

select user_id, event_id, min(time) as start, max(time) as end,
       count(*) as total, count(interaction == 1) as clicks
from events_all
group by user_id, event_id;

该表具有以下结构：

user_id                 event_id                time            interaction 
Ex833Lli36nxTvGTA1Dv    juCUv6EnkVundBHSBzQevw  1430481530295   0
Ex833Lli36nxTvGTA1Dv    juCUv6EnkVundBHSBzQevw  1430481530295   1
n0w4uQhOuXymj5jLaCMQ    G+Oj6J9Q1nI1tuosq2ZM/g  1430512179696   0
n0w4uQhOuXymj5jLaCMQ    G+Oj6J9Q1nI1tuosq2ZM/g  1430512217124   0
n0w4uQhOuXymj5jLaCMQ    mqf38Xd6CAQtuvuKc5NlWQ  1430512179696   1

我知道一个事实是行首先排序user_id然后通过event_id.

问题是：有没有办法“提示”Hive 引擎在行已排序的情况下优化查询？优化的目的是避免将所有组保留在内存中，因为一次只需要保留一组。

目前，此查询在 6 节点 16 GB Hadoop 集群中运行，数据大约为 300 GB，大约需要 30 分钟，并且使用了大部分 RAM，导致系统阻塞。我知道每个组都会很小，每个组不超过 100 行(user_id, event_id)tuple，所以我认为优化的执行可能会占用非常小的内存，而且速度也会更快（因为不需要循环组键）。

创建一个分桶排序表。优化器会知道它是根据元数据排序的。 请参阅此处的示例（官方文档）：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-BucketedSortedTables https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-BucketedSortedTables

仅计算交互 = 1：count(case when interaction=1 then 1 end) as clicks- case 会将所有行标记为 1 或 null，并且仅计算 1。