Hive中基于分区和非分区列的查询

Question

我有一个外部 Hive table 如下：-

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 table 按 3 列（国家代码、sourceNbr、日期）划分。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，它会扫描完整的 table 还是只扫描基于 countryCode、sourceNbr、date 的文件夹内部并查找在 where 条件中指定的 itemNbr 属性值？
必须提供所有列才能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完整的 table 或者它只会在文件夹内搜索基于 2 列条件 (countryCode, sourceNbr) ?

Answer 1

分区修剪适用于所有情况，无论所有分区列在 WHERE 中还是仅部分，其他过滤器都不会影响分区修剪。

要检查它，请使用 EXPLAIN EXTENDED 命令，请参阅

Hive中基于分区和非分区列的查询

Querying based on Partition and non-partition column in Hive

hive

parquet

hadoop-partitioning

hive-partitions