报表连 hive，数据量比较大，怎么分页查询？

Hive 提供了类似 Oracle 的 rownum 机制，类似这样（效率比较差）：

select * from (select row_number() over (order by create_time desc) as rownum,u.* from user u) mm where mm.rownum between 10 and 15;

还有一种办法，如果表里有唯一标识字段也可以借助这个字段和 limit 实现。比如：

获取第一页数据：

注：同时需要记录这 10 条中最大的 id 为 preId，作为下一页的条件。

select * from table order by id asc limit 10;

获取第二页数据：

注：同时保存数据中最大的 id 替换 preId。

select * from table where id >preId order by id asc limit 10;

对于数据库分页， 这里曾经分析过存在的问题大清单报表应当怎么做？也给出了改善的思路，可以参考：

把取数和呈现做现两个异步线程，取数线程发出 SQL 后就不断取出数据后缓存到本地存储中，呈现线程根据页数计算出行数到本地缓存中去获取数据显示。这样，只要已经取过的数据就能快速呈现，不会有等待感，还没取到的数据需要等待一下也是正常可理解的；而取数线程只涉及一句 SQL，在数据库中是同一个事务，也不会有不一致的问题。这样，两个问题都能得到解决。不过这需要设计一种可以按行号随机访问记录的存储格式，不然要靠遍历把记录数出来，那反应仍然会很迟钝。

画个图感受感受：

②和③分别是两个线程，一个负责取数缓存，一个负责读缓存做报表呈现

看起来有点复杂，可直接用做好的工具：海量清单与分组报表的实现

还能导出 Excel，也能打印。