面对计算出的结果表数据量巨大，传输到外部耗时较久的问题，确实需要采取一些措施来优化传输效率，以满足业务需求。以下是一些建议的解决方案：
数据压缩：采用数据压缩技术可以大大减少传输过程中数据的大小，从而提高传输速度和效率。常见的压缩算法如Gzip、Snappy等都可以考虑使用。
分布式传输：利用分布式系统，如Hadoop的HDFS（Hadoop Distributed FileSystem），将数据分散到多个节点上进行并行传输。这样可以充分利用网络带宽，加快传输速度。
优化网络：检查网络连接是否稳定且带宽足够。如果可能，考虑升级网络硬件或优化网络配置，以减少网络延迟和丢包。
利用缓存：在数据传输过程中，可以使用缓存技术来减少读写操作，提高传输效率。例如，对于经常访问的数据，可以将其缓存在本地或远程服务器上，以减少网络传输的次数。
分批传输：如果数据量确实非常大，可以考虑将其分批次传输。每次传输一部分数据，然后在接收端进行合并处理。这样可以避免一次性传输大量数据导致的网络拥堵和超时问题。
优化存储格式：选择合适的存储格式也可以提高传输效率。例如，使用列式存储格式（如Parquet、ORC）可以更有效地压缩和传输数据，因为它们只读取查询所需的列，而不是整个数据行。
硬件升级：如果服务器或存储设备的性能成为瓶颈，可以考虑升级硬件，如使用更高性能的CPU、内存和磁盘等。
考虑使用专业的数据传输工具：有些工具针对大数据传输进行了优化，可以提供更高效的传输速度和稳定性。
综上所述，优化大数据传输效率需要从多个方面入手，包括数据压缩、分布式传输、网络优化、缓存利用、分批传输、存储格式选择以及硬件升级等。根据具体情况，可以结合使用多种方法来达到最佳效果。