我有一个表，每个分区（ds）有大约300000条记录。
在配置单元中运行以下查询（使用substr选择）时，它将挂起在步骤：map=0%

select t0.stat_date,t0.plat,t0.soh,t0.page_name,t0.component_name ,count(*) as num,user_id,t0.other_info
from (
    select substr(stat_time,1,8) as stat_date,user_id,city_id,soh,dept_id,dph,plat,page_name,component_name,cookie_id,other_info
    from db.table
    where ds=20170221 and plat='abc'
)t0
group by stat_date,plat,soh,page_name,component_name,other_info,t0.user_id

但是，如果我将selectsubstr（stat\u time，1,8）中的内部查询替换为stat\u date，以选择stat\u time作为stat\u date，它将正常执行。
stat\u time的格式为yyyymmddhhmm=201702210900

select t0.stat_date,t0.plat,t0.soh,t0.page_name,t0.component_name ,count(*) as num,user_id,t0.other_info
from (
    select stat_time as stat_date,user_id,city_id,soh,dept_id,dph,plat,page_name,component_name,cookie_id,other_info
    from db.table
    where ds=20170221 and plat='abc'
)t0
group by stat_date,plat,soh,page_name,component_name,other_info,t0.user_id

那么为什么substr会导致性能下降呢？

编辑：
我将mapred-site.xml中的mapred.child.java.opts和hadoop-env.sh中的hadoop\u heapsize更改为4g。它成功了。
我想保存或计算所有的substr都会导致大量的堆。
如果有人知道为什么使用普通字段值比substr占用的内存少，请留下评论/答案。