Sql 蜂巢计数和计数不一致不正确

我在配置单元中有一个表，它有20列，我想计算每小时的唯一记录和所有记录

表如下所示：

CREATE EXTERNAL TABLE test1(
  log_date string, 
  advertiser_creatives_id string, 
  cookieID string, 
) 
STORED AS ORC
LOCATION "/day1orc"
tblproperties ("orc.compress"="ZLIB");

我的问题是这样的：

SELECT Hour(log_date), 
       Count(DISTINCT cookieid) AS UNIQUE, 
       Count(1)                 AS impressions 
FROM   test1 
GROUP  BY Hour(log_date); 

但结果并不正确。我有大约7000万个条目，当我做一个印象总数时，我只得到大约800万条，所以我怀疑distinct考虑了太多的列

那么，我如何解决这个问题，从而获得正确的印象量呢

**额外信息**

hive.vectorized.execution.enabled

未定义，因此不处于活动状态

文本格式的相同查询返回的行更少（约270万行）

计数结果（*）：70643229

计数结果（cookieID）：70643229

计数的结果（不同的cookieID）：1440195

---

干杯

我有一个例子，可能对您有用。我认为您的“行格式分隔字段终止于”有一些问题。 我有一个文本，用“\t”分隔，如下所示：

id    date      value
1   01-01-2014  10
1   03-01-2014  05
1   07-01-2014  40
1   05-01-2014  20
2   05-01-2014  10

use tmp ;
create table sw_test(id string,td string) row format delimited fields terminated by '\t' ;
LOAD DATA LOCAL INPATH '/home/hadoop/b.txt' INTO TABLE sw_test;

但我只创建了一个有2列的表，如下所示：

id    date      value
1   01-01-2014  10
1   03-01-2014  05
1   07-01-2014  40
1   05-01-2014  20
2   05-01-2014  10

use tmp ;
create table sw_test(id string,td string) row format delimited fields terminated by '\t' ;
LOAD DATA LOCAL INPATH '/home/hadoop/b.txt' INTO TABLE sw_test;

您如何看待“从sw_测试中选择td

不是

但是

所以，我认为cookie包含一些特殊的列，包括定义的分隔符。 我希望这能帮助你。

---

祝你好运

蜂巢0.11还是蜂巢0.12？有没有可能共享一个数据文件来重新解释问题？Hive 0.12和数据不是我的共享，但所有这些数据的总和都没有加起来。7000万条记录，但当我数出来的时候，我只得到800万条。你能发布查询的解释吗？您没有碰巧启用矢量化（

set-hive.vectoriazed.execution.enabled=true；

），是吗？另外，您可以发布检查

COUNT（*）

和

COUNT（cookieID）

。另外，如果可能的话，你能用任何其他格式（非ORC）来尝试相同的数据，并将差异发回（如果有）吗？在我的帖子中添加了额外的信息：）