谓词下推到底是如何工作的？
How does predicate pushdown work exactly?
谁能举例说明谓词下推到底是如何工作的？
说你想执行一个查询
SELECT
SUM(price)
FROM sales
WHERE
purchase_date BETWEEN '2018-01-01' and '2018-01-31';
查询引擎的一个非常简单的实现是迭代所有 parquet/orc 文件，反序列化 price 和 purchase_date 列，在 purchase_date 上应用谓词并对过滤后的行求和。
Parquet（不知道orc）维护了每个文件中列的统计信息，所以如果执行引擎足够聪明，它可以查看统计信息中purchase_date的min/max并确定是否有任何行要匹配。例如，如果 purchase_date.min=2014-05-05 和 purchase_date.max=2014-05-06，它可以推断谓词将始终评估为 false。
换句话说，它可以通过结合统计信息和过滤谓词来跳过拼花文件。这会导致性能的大幅提升，因为 IO（文件或内存）通常是瓶颈。增益与选择性（匹配行的百分比）成反比。
术语谓词下推来自这样一个事实，即您是 "hinting" 带有谓词的扫描运算符，然后将用于过滤感兴趣的行。或者，将谓词推送到扫描。
谁能举例说明谓词下推到底是如何工作的？
说你想执行一个查询
SELECT
SUM(price)
FROM sales
WHERE
purchase_date BETWEEN '2018-01-01' and '2018-01-31';
查询引擎的一个非常简单的实现是迭代所有 parquet/orc 文件，反序列化 price 和 purchase_date 列，在 purchase_date 上应用谓词并对过滤后的行求和。
Parquet（不知道orc）维护了每个文件中列的统计信息，所以如果执行引擎足够聪明，它可以查看统计信息中purchase_date的min/max并确定是否有任何行要匹配。例如，如果 purchase_date.min=2014-05-05 和 purchase_date.max=2014-05-06，它可以推断谓词将始终评估为 false。
换句话说，它可以通过结合统计信息和过滤谓词来跳过拼花文件。这会导致性能的大幅提升，因为 IO（文件或内存）通常是瓶颈。增益与选择性（匹配行的百分比）成反比。
术语谓词下推来自这样一个事实，即您是 "hinting" 带有谓词的扫描运算符，然后将用于过滤感兴趣的行。或者，将谓词推送到扫描。