Spark 3.0 new features - Dynamic Partition Pruning
什么叫Partion Pruning? 翻译成中文就是分区裁剪,简单说就是数据过滤,只从必要的分区拿数据,通过减少IO以提高性能。
那为什么叫Dynamic Partition Pruning,动态分区裁剪?为了理解这个概念,我们先理解一下static partition pruning,即静态分区裁剪。
静态分区裁剪
现有SQL如下
Select * from Students where subject = ‘English’;
以上SQL的执行过程的如下图所示:
以上过程有一个很明显的可以优化的点,就是在做scan之前先做过滤,通过减少IO来提升性能。
于是, 以上过程可以优化为如下:
以上过程就可以简单理解成Static Partition Pruning,即只从必要的partition中拿数据ÿ