在加入每个数据集之前对它们应用distinct更安全，因为加入非唯一键会复制数据。
我建议按tou date（timestamp）字段（yyyyy-mm-dd）对数据集进行分区，以便根据where子句进行分区修剪（检查是否有效）。如果数据集太大，并且包含大量的数据，而event<>“use”则按事件字段进行分区。
知道它在哪个阶段失败是很重要的。也要研究例外情况。如果它在Map器上失败，那么您应该优化您的子查询（如我所述添加分区）。如果它在reducer（join）上失败，那么您应该以某种方式改进join（尝试减少每个reducer的字节数： set hive.exec.reducers.bytes.per.reducer=67108864; 或者更少）如果它在writer上失败（或者writer然后尝试通过imei中的substr和查询末尾的“distribute by substr（imei…）”将分区添加到输出表中，以减少减压器的压力）。
或者添加一个或多个基数低且分布均匀的列，以便在多个缩减器之间均匀分布数据：

distribute by substr(imei...), col2

确保分区列位于分发方式中。这将减少每个reducer编写的文件数量，并有助于消除oom

为了提高性能，通过查看您的查询：我将按 yyyy, mm, dd ，或按 imei ，则必须根据查询这些表的需要和数据量来决定变量。但我会投票给 yyyy, mm, dd ，这将给您带来巨大的性能改进。请参阅使用分区提高查询性能
但现在，这应该会给你一些改进：

Select count(distinct(pd.imei))
from pingdata pd join eventdata ed on pd.imei=ed.imei
where 
TO_DATE(pd.timestamp) between '2016-06-01' AND '2016-07-17'
and pd.timestamp=ed.pd.timestamp
and SUBSTR(pd.imei,12,2) in ('04','05') 
and ed.event = 'Use' AND ed.clientversion like '3.2%';

如果 TO_DATE(timestamp) 值是在同一天插入的，换句话说，如果两个值对于date than是相同的 and pd.timestamp=ed.pd.timestamp 应排除条件。

Select count(distinct(pd.imei))
from pingdata pd join eventdata ed on pd.imei=ed.imei
where 
TO_DATE(pd.timestamp) between '2016-06-01' AND '2016-07-17'
and SUBSTR(pd.imei,12,2) in ('04','05') 
and ed.event = 'Use' AND ed.clientversion like '3.2%';

尝试运行两个查询并比较结果。一定要让我们知道区别，如果你觉得这有帮助。