有没有spark sql大神, 想问问一些问题，我们现在的系统是一个类似于大数据BI的产品，架构是spark on hive + hadoop, 主要丢进spark里面的查询有两类，一种是OLAP查询，如
select ＊ from table where [] group by[] 这种形式的，这种的平均延迟在2s，另一种是用来所left join的，就是用于业务数据建模的，主要是以下这种，
create table stored as parquet as select A.id, B.id1, C.id2 from A left join B on A.id = B.id join C on B.id = C.id, 这种查询由于源表的数据量大部分都在千万级别，数据量大多在几百MB到2GB上，这种查询在spark on hive的架构上总感觉力不从心，现在这种查询的平均查询在20～50s，有一些特例或者数据倾斜的情况，还会持续个10几分钟都有。所以有一些问题想问问你这边有没有可以解决的方案：
-
我们现在这种查询的延迟是合理的么？
-
如果我们想尽量减少第二种查询也就是创建表的延迟，怎么去优化？
- 我们的机器是64G mem以及24core的机器，感觉性能还可以，现阶段我们的业务感觉瓶颈在磁盘还有CPU上，主要在磁盘。一旦涌入大量的第二类请求，还会大大影响第一类查询，现在用缓存的方式去顶住，但是不是一个长远的方法，请问还有更好的办法么？
先提前谢谢了，任何建议都是我们需要的，谢谢
