Hive 向量化执行为什么更快？
面试怎么回答
Hive 向量化执行把一批行按列放入 VectorizedRowBatch，在数组上批量计算，减少逐行对象创建、类型判断、函数调用和 GC，并改善 CPU Cache 使用。列式文件能降低解码和无关列读取，但不代表整条计划自动向量化；UDF、复杂类型或不支持的算子可能回退。实际要用 EXPLAIN VECTORIZATION 查看向量化范围与原因，并把它和分区裁剪、列裁剪等减少输入的优化一起使用。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
同一条 Hive SQL，没有改分区、没有加机器，只开启向量化执行就明显提速。它并不是把“一行算一次”简单改成“一百行一起算”这么一句话。
真正的收益来自批量数据布局、减少对象创建和函数调用，以及让 CPU 更连续地处理同类型列。
Hive 向量化执行以列批次而非单行对象处理数据，减少反序列化、虚函数调用和对象开销，提高 CPU Cache 与批量表达式效率，但算子和数据类型必须受支持。
行模式的固定开销很高
传统执行对每一行构造对象、读取字段并逐个调用表达式。数据量大时，业务计算可能很简单，循环、类型判断、函数边界和 GC 却消耗大量 CPU。
向量化使用列式批次
VectorizedRowBatch 按列保存一批行，相同类型的数据连续处理。表达式可以在数组上循环，减少对象和分支，也更容易利用 CPU Cache。它不等于 SIMD，但为批量优化提供了更好的数据布局。
列式文件只是有利条件
ORC、Parquet 等列式格式可以只解码需要的列，并直接组织成列向量，减少 SerDe 成本；但“文件是列存”不自动保证整条计划都向量化，仍要看读取器、表达式和算子支持。
不支持的节点会形成回退
复杂 UDF、某些数据类型或算子可能不能向量化，计划会在相关位置回到行模式。局部回退意味着前后还要做批次与行的转换，收益会下降，所以不能只看配置开关。
用 EXPLAIN 验证实际计划
Hive 的 EXPLAIN VECTORIZATION 可以展示哪些 Map、Reduce 工作被向量化，以及未向量化的原因。排查时结合 CPU、GC、扫描行数和算子耗时，确认瓶颈确实在执行而不是 I/O、Shuffle 或小文件。
优化顺序仍然是先少读数据
分区裁剪、列裁剪和谓词下推减少输入，向量化提高剩余数据的处理效率。若 SQL 扫错了全表，向量化只是在更快地做无效工作；两类优化要叠加，而不是互相替代。
参考资料
- Apache Hive：Configuration Properties - Vectorization：https://hive.apache.org/docs/latest/user/configuration-properties/#vectorization
- Apache Hive：LanguageManual Explain：https://hive.apache.org/docs/latest/language/languagemanual-explain/