ImpalaでTPC-Hを動かすためのSQL書き換え

TPC-H on HiveをImpalaで動くようになるまでの変更箇所をまとめておきます．
Impalaでは実行できないHiveQLを調べるときの参考になると思います．

DDLは実行できない

ImpalaのLanguage Referenceにも書かれています．
そこでDROPやCREATE文は別ファイルにしておき，Hive上で実行します．
対象クエリ: 全て

ORDER BYにはLIMIT必須

LIMIT付けないとこんなのが出ます．こちらも前述のリファレンスに書かれています．

ERROR: com.cloudera.impala.common.NotImplementedException: ORDER BY without LIMIT currently not supported

じゃあ，付ければいいんだろということで付けました．

-- Q1の変更例
SELECT 
 ...
ORDER BY L_RETURNFLAG, L_LINESTATUS
LIMIT 2147483647;

実は，ImpalaはLIMIT 9223372036854775807(符号付きint64 max)としても動きます．
今回はHiveでも動作するようにしたかったので，int32 maxとしました．
対象クエリ: Q1, Q4, Q5, Q7, Q8, Q9, Q12, Q15, Q16, Q20

GROUP BYには浮動小数点が使えない

doubleとかを指定しようとするとこんなのが出ます．

ERROR: com.cloudera.impala.common.AnalysisException: GROUP BY expression must have a discrete (non-floating point) type: c_acctbal (in insert overwrite table q10_returned_item

仕方ないので一度1000倍してintにし，最終的に1000で割るという無茶をしています．
有効数字?なにそれおいしいの．

-- Q10の変更例
select 
  ...
  cast(c_acctbal*1000 as int)/1000, n_name, c_address, c_phone, c_comment
from
 ...
group by c_custkey, c_name, cast(c_acctbal*1000 as int), c_phone, n_name, c_address, c_comment
...

対象クエリ: Q10, Q18

CROSS JOINができない

こいつが一番やっかいです．JOINするには，必ず結合条件を書かなければいけないようです．

ERROR: com.cloudera.impala.common.NotImplementedException: Join requires at least one equality predicate between the two tables.

Q7の場合はn_regionkeyを使うことで結果的にうまくいったのですが，Q11とQ22では回避できず断念しました．
(Q7は'FRANCE'と'GERMANY'のn_regionkeyがたまたま同じでごまかせただけで，本当は解決していません)

-- Q7の変更例
select 
 ...
from 
  nation n1 join nation n2 
on
-- ここから
  n1.n_regionkey = n2.n_regionkey
  and
-- ここまでを追加
  n1.n_name = 'FRANCE' and n2.n_name = 'GERMANY'
...

対象クエリ: Q7, Q11, Q22

その他

HiveでDDLを実行した場合，impalaではrefreshコマンドによる反映が必要です．
↓のようにするとよいでしょう．

impala-shell --impalad=ip_address:port -q 'refresh'