问题描述
CREATE external TABLE sales (
ItemNbr STRING,itemShippedQty INT,itemDeptNbr SMALLINT,gateOutUserId STRING,code VARCHAR(3),trackingId STRING,baseDivCode STRING
)
PARTITIONED BY (countryCode STRING,sourceNbr INT,date STRING)
STORED AS PARQUET
LOCATION '/user/sales/';
其中表按 3 列( countryCode、sourceNbr、date)进行分区。我知道如果我基于这 3 个分区列进行查询,我的查询会更快。
我对其他查询模式有一些疑问:-
-
如果我在执行 sql 查询时将非分区列与分区列(如 countryCode、sourceNbr、date、ItemNbr)一起添加为 where 条件的一部分,它会扫描整个表还是它将仅根据 countryCode、sourceNbr、date 扫描文件夹内部并查找 where 条件中指定的 itemNbr 属性值?
-
提供所有列对于过滤记录或 子过滤器也可以像我只给出前 2 列一样工作 (countryCode,sourceNbr ) 作为 where 条件的一部分。在这种情况下 它会扫描整个表格,或者只会在文件夹内搜索 基于 2 列条件 (countryCode,sourceNbr) ?
解决方法
分区修剪适用于所有情况,无论所有分区列都在 WHERE 中还是仅部分,其他过滤器不影响分区修剪。
要检查它使用 EXPLAIN EXTENDED
命令,请参阅 https://stackoverflow.com/a/50859735/2700344