是什么使这两个查询返回不同的结果？

Question

我在 Amazon Athena 上有一个 ELB 日志 table，我正在尝试通过 url 请求每日请求。 table 的结构是 the one described here，但我还添加了日、月和年的分区，以便按日、月等查询日志... 我正在使用这样的查询对 table 进行分区：

ALTER TABLE elb_logs ADD IF NOT EXISTS PARTITION (year='2019',month='03',day='*') location 's3://my-logs-bucket/my-load-balancer/AWSLogs/526654419886/elasticloadbalancing/eu-west-1/2019/03/'

然后我像这样请求 2019 年 3 月 1 日的日志条目：

SELECT count(*)
    FROM elb_logs
    WHERE year='2019'
    AND month='03'
    AND day='01'

并得到 590 个结果，然后如果我执行此查询：

SELECT count(*), DATE(from_iso8601_timestamp(time))
    FROM elb_logs
    WHERE year='2019'
         AND month='03'
         AND day='*'
    GROUP BY DATE(from_iso8601_timestamp(time))

3 月 1 日的计数也是 590，但是如果我执行这个（没有日期条件）：

SELECT count(*), DATE(from_iso8601_timestamp(time))
    FROM elb_logs
    WHERE year='2019'
         AND month='03'
    GROUP BY DATE(from_iso8601_timestamp(time))

我得到 1180 作为结果计数，这是不正确的。为什么是这样？指定 DAY='*' 和不指定 DAY 有什么区别？他们不应该是等价的吗？

Answer 1

有分区名称和分区位置。

分区：

month=03,day=01
month=03,day=*

当您在 day 列上无条件查询时，两个分区都匹配。碰巧的是，它们包含相同的文件（因为它们共享物理位置）。由于（显然）没有对正在读取的文件进行重复数据删除（分区应该是不重叠的），所以相同的数据文件被读取了两次。

是什么使这两个查询返回不同的结果？

What could make these two queries returning different results?

amazon-athena

presto