Sql 优化:谓词下推(PPD
定义
谓词下推的概念其实出现在sql中,在关联查询时(join,left join ,right join),因为涉及两个大表之间的关联(特别是在hive)造成资源消耗会比较大,
因为建议在join之前先将两个表进行过滤(hive 里指的是在map端进行过滤),系统会进行部分优化,但sql需要遵守PPD规则,
所谓下推可以理解成优化(只有满足才能进行优化)。
一句话说完:不影响结果的情况下,尽量将过滤条件提前执行。(记得小表join大表)
2 PPD规则(谓词下推规则)
2.1 名词解释
Preserved Row table:保留行表
外部联接中必须返回所有行的表。
对于left join,这是左表;
对于right join,这是右表;
对于full join,两个表都是保留的行表。
Null Supplying table:空值填充表
这是在不匹配的行中为其列填充空值的表。
对于left join,这是右表;
对于right join,这是左表;
对于full join,两个表都是空值填充表。
During Join predicate:连接谓词
join语句中的on部分
After Join predicate:后置连接词
join语句后的where
2.2 规则介绍
1、连接谓词(on)不能下推保留行表。
2、后置连接词(where)不能下推到空值填充表
2.3 针对该规则的建议
1、对于 Join (Inner Join)、Full outer Join,条件写在 on 后面,还是 where 后面,性能上面没有区别;
2、对于 Left Join ,右表过滤条件写在 on 后面、左表过滤条件写在 where 后面,性能上有提高;
3、对于 Right Join,左表过滤条件写在 on 后面、左表过滤条件写在 where 后面,性能上有提高;
4、存在unix_timestamp()、rand()不确定函数时,无法实现下推