如何通过JDBC执行含变量的Impala Kudu查询以移除Join优化性能

方案1：使用窗口函数单遍扫描（最优，无需变量、无额外查询） #

你的业务逻辑只需要扫描一次满足status=1的行即可完成所有计算，完全不需要自连接也不需要会话变量，改写后性能最高，直接兼容JDBC单语句执行规则：

SELECT 
  SUM(qty) OVER() AS orders,
  SUM(price * qty) OVER() / SUM(qty) OVER() AS result
FROM main_table
WHERE status = 1
LIMIT 1

该写法仅对表做一次全量扫描，没有子查询、没有连接操作，性能远优于原自连接方案，同类查询都可以参考这个思路改写，复用性强。

方案2：修正Impala变量语法 + JDBC多语句配置 #

你之前使用的@变量是MySQL语法，Impala的会话变量有独立的使用规则，调整后可以实现不拆分查询的需求：

1. 首先在JDBC连接URL中添加allowMultiQueries=true参数，开启多语句执行支持
2. 按照Impala规则修改变量定义和引用语法，调整后SQL如下：

SET VAR:orders = (SELECT SUM(qty) FROM main_table WHERE status = 1);
SELECT 
  ${VAR:orders},
  SUM(price * qty) / ${VAR:orders}
FROM main_table
WHERE status = 1;

对应的Scala代码需要适配多结果集的读取逻辑：

val url = "jdbc:impala://<Impala节点地址>:21050/<数据库名>;allowMultiQueries=true"
val conn = DriverManager.getConnection(url)
val statement = conn.prepareStatement(query)
val hasFirstResultSet = statement.execute()
var rset: ResultSet = null
// 跳过SET语句返回的第一个空结果集，定位到SELECT的结果集
if (statement.getMoreResults()) {
  rset = statement.getResultSet()
  if (rset.next()) {
    // 读取查询结果
  }
}

该方案可以实现变量复用的需求，但性能略低于方案1，需要两次扫描目标表。

方案3：使用WITH子句替代自连接 #

如果不习惯使用窗口函数，也可以用CTE封装聚合逻辑，语法可读性比原自连接更高，不需要任何JDBC配置调整即可直接执行：

WITH agg_data AS (
  SELECT SUM(qty) AS orders FROM main_table WHERE status = 1
)
SELECT 
  agg_data.orders,
  SUM(price * qty) / agg_data.orders
FROM main_table, agg_data
WHERE status = 1
GROUP BY agg_data.orders

内容的提问来源于stack exchange，提问作者AlleXyS