[大数据]sparksql 谓词下推功能的bug

场景描述，

一个普通的sql，因为查询条件过多，导致task一直在filter, 假死的状态。spark的版本为spark-2.3

sql语句

CREATE TABLE `temp.tmp_st_loan_bfm_crdamt_slast_xray20210727`(
  `userid` bigint, 
  `flag_type` string, 
  `score_bairong` bigint, 
  `bfm_used_rate` double, 
  `lrm_credit_amt` bigint, 
  `r3` int, 
  `r4` int, 
  `r5` int, 
  `r6` int, 
  `r8` int, 
  `r9` int, 
  `r10` int, 
  `r11` int, 
  `r12` int, 
  `r13` int, 
  `r14` int, 
  `r15` int, 
  `r16` int, 
  `r17` int, 
  `r18` int)
ROW FORMAT SERDE 
  'org.apache.hadoop.hive.ql.io.orc.OrcSerde' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.orc.OrcInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat'
TBLPROPERTIES (
  'transient_lastDdlTime'='1627429670');
--  查询语句
  select
    *
from
    temp.tmp_st_loan_bfm_crdamt_slast_xray20210727
where
    r3 = 1 
    and r4 = 1
    and r5 = 1
    and r6 = 1
    and r8 = 1
    and r9 = 1
    and r10 = 1
    and r11 = 1
    and r12 = 1
    and r13 = 1
    and r14 = 1
    and r15 = 1
    and r16 = 1
    and r17 = 1 
    and r18 = 1

查看执行计划

发现过滤条件除了判断eq，还判断了每个值不等于空。
另外一个点是过滤条件使用了下推功能。

查看driver中threaddump日志。

发现在OrcFilters.createFilter这段代码之后，后续代码一直在循环，长达8mins,

查看OrcFileFormat类

发现这段代码其实走了orc过滤条件下推的功能(set spark.sql.orc.filterPushdown=true

查看OrcFilters

这个类的意思就是把Filter树结构进行一个解析， 初步确认为spark的bug，在嵌套比较多层次的时候，会比较慢，但是具体慢的原因，暂时没有找到，对比了一下spark-2.4, 其实并没有太大差异。

查看执行计划

解决方案

添加配置

1. set spark.sql.orc.filterPushdown=false; 不使用过滤条件下推功能。
2. set spark.sql.hive.convertMetastoreOrc=false; 不使用矢量化读取orc文件的功能。

这两个配置在spark-2.4都是默认打开的，和spark-2.3有一定的差异。这个后面再补充。