请说明在 Hive 中提升 GROUP BY 查询性能的常用优化手段，并列举具体的优化策略。
考察说明
考查对 Hive 中 GROUP BY 性能优化策略的理解与应用能力。
回答思路
- 【回答框架 1】Hive 中 GROUP BY 性能瓶颈主要源于数据倾斜、大量小文件、以及不必要的全表扫描。优化策略包括：使用分区表裁剪数据，减少扫描量；使用分桶表配合 SMB Join 或 Bucket Map Join，提升聚合效率。
- 【回答框架 2】针对数据倾斜，可采用两阶段聚合（局部聚合加全局聚合），或使用 hive.groupby.skewindata 参数自动优化，将倾斜的 key 分散到多个 reducer 处理。
- 【回答框架 3】合理设置 hive.exec.parallel 和 reducer 数量，避免资源浪费；使用 Tez 或 Spark 执行引擎替代 MapReduce，利用 DAG 优化减少中间结果写入。
- 【回答框架 4】对于频繁执行的 GROUP BY，可考虑使用物化视图或预聚合结果表，避免重复计算。
- 【回答框架 5】优化 SQL 本身，如只 select 需要的列，避免 select *，并利用压缩和列式存储（如 ORC）提升 IO 效率。
- 【关键点 1】分区裁剪和列裁剪减少数据扫描量。
- 【关键点 2】两阶段聚合或 skewindata 解决数据倾斜。
- 【关键点 3】选择合适执行引擎（Tez/Spark）和并行度。
- 【关键点 4】使用物化视图或预聚合表减少重复计算。
- 【关键点 5】合理设置 reducer 数量，避免小文件过多。
- 【易错点 1】过度依赖参数调整而忽略数据模型设计，如分区和分桶策略。
- 【易错点 2】盲目增加 reducer 数量可能导致小文件过多，反而降低性能。
- 【易错点 3】忽略数据倾斜的根因，仅靠参数可能无法彻底解决问题。