一、測試環境
HDFS 七個節點，五個dn，兩個nn。Hive配置在其中一個nn，使用MySQL遠端元資料庫，同一個節點同時開啟hiveserver2和metastore。所有節點記憶體一致，30GB，CPU為Intel(R) Xeon(R) CPU E5-2620 v3 @ 2.40GHz （x86_64）。所有節點通通過兩臺真實物理機虛擬（使用XenServer虛擬）。
二、樣本資料
資料儲存在HDFS，格式為parquet，存在分割槽。每條記錄如下：
     id |  <tm, k1..k350, t351..t500>
根據id分割槽，分割槽數為1000。欄位型別：id int， tm String， kn 為int， tn 為double。
按業務場景，每秒每個分割槽（裝置）產生一條資料，共501個欄位（500個測點+timestamp），每天每分割槽產生172800條資料。共有兩天的資料，樣本總容量為172800*1000*2=345600000。
三、Hive表建立

（1）建立內部表
     create table wt_csv_newtb (tm string,          k1 int, k2 int .. k350 int, t351 double,           t352 double .. t500 double)
     partitioned by (id int) stored as parquet;
（2）建立1000分割槽
分別執行1000個分割槽：
     alter table wt_csv_newtb add partition (id = x);
x 取值{1,2,3 .. 1000}
（3）資料建立
使用程式生成資料，並匯入此表中，此處略。
四、測試查詢

1、資料完整性校驗
SQL語句      select count(*) from wt_csv_newtb where id = <dev_id>

序號	id	查詢時間（秒）
1	1	38.55
2	560	48.479
3	2	54.278
4	100	50.955
5	999	54.499

SQL語句      select count(*) from wt_csv_newtb;  -- 全分割槽查詢
查詢兩次：
2880.15秒
2941.935秒
2、全量資料多維度查詢
SQL語句     SELECT t390 FROM wt_csv_newtb WHERE t450>999.9994 and id>20 and id<(20+100) order by t390;
結果數為9.
由於速度太慢，沒有完成測試便中斷了。