也许下面的步骤能让你对此有所了解，
来自mapper，
用逗号分隔符分隔行
检查a2=x并确认
将a1作为键，int 1作为值
从减速器，
迭代给定键的所有值
把钥匙的所有1加起来
循环之后，将相同的key对象重用为key，sum作为value。
请阅读DonaldMiner的mapreduce设计模式书中的摘要模式。

您的sql查询可以Map到与mapreduce:wordcount等价的helloworld。
我怀疑定制实现比hive（编译为mapreduce）快得多，但下面是如何做到这一点：
文本输入格式->
(pos, line) (pos, line) -> Mapper ：解析/标记行，提取 a1 以及 a2 ，过滤器打开 a2='x' ) ->
(a1, count=1) (a1, count) -> Reducer ：全部求和 count 字段->
(a1, sum) (a1, sum) ->一些输出格式
hadoop将自动处理 GroupBy 因为Map器设置 a1 作为关键字段。
别忘了将reducer也设置为combiner，以启用本地预聚合。
如果您希望更快地执行，那么应该考虑另一种文件格式（parquet、orc）和另一个引擎（tez上的hive、apache flink、apache spark，甚至是针对结构化数据的专用引擎，如apache drill、impala、apache kylin、presto等等）。最佳选择取决于数据的大小、执行时间要求（小于1秒，<1min，…）以及您希望处理的其他用例类型。

你可以用hadoop流媒体代替hive，
但我不能保证会快得多

hadoop jar hadoop-streaming-*.jar -D -jobconf stream.non.zero.exit.is.failure=false –mapper ‘grep {p}’ –reducer ’wc -l’ –input {d} –output tmp
hadoop fs -getmerge tmp {d}
hadoop fs –rmr tmp

替换 {d} 输入目录，然后 {p} 有一个正则表达式的模式，符合你的条件