一文详解Hive的谓词下推
谓词，是指用来描述或判断客体性质、特征或客体之间关系的词项。在SQL中即返回值为布尔值的函数。
谓词下推，在Hive中叫Predicate Pushdown，含义是指在不影响结果的前提下，尽量将过滤条件提前执行，使得最后参与join的表的数据量更小。谓词下推后，过滤条件将在map端提前执行，减少map端输出，降低了数据传输IO，节约资源，提升性能。在Hive中通过配置hive.optimize.ppd参数为true，开启谓词下推，默认为开启状态。
表的分类
首先定义一下参与join的表的类型，共分4类。
1. Preserved Row table：保留表
a left (outer) join b 中的 a 表;
a right (outer) join b 中的 b 表;
a full outer join b a 和 b 表都是 保留表。
2. Null Supplying table：提供null值的表，也就是 非保留表，在join中如果不能匹配上的使用null填充的表。
a left (outer) join b 中的 b 表;
a right (outer) join b 中的 a 表，
a full outer join b a 和 b 表都是 null值保留表
3. During Join predicate：join中谓词，就是on后面的条件。
R1 join R2 on R1.x = 5 --> R1.x = 5就是join中谓词
4. After Join predicate：join后谓词，就是where后面的条件。
a left join b where a.t=1 --> a.t=1 就是join后谓词
Left outer Join & Right outer Join
！！！测试时，关闭 cbo 优化：set hive.cbo.enable=false
案例一：过滤条件写在 where, 且是 保留表的字段
explain
select o.id from bigtable b
left join bigtable o
where b.id <= 10;
--> 可以谓词下推（能在 map 阶段提前过滤）
案例二：过滤条件写在 where, 且是 非保留表的字段
explain
select b.id,o.id from bigtable b
left join bigtable o
where o.id <= 10;
--> 不可以谓词下推（能在 map 阶段提前过滤）
案例三：过滤条件写在 on, 且是 保留表的字段
explain
select o.id from bigtable b
left join bigtable o
on b.id <= 10;
--> 不可以谓词下推（不能在 map 阶段提前过滤）
案例四：过滤条件写在 on, 且是 非保留表的字段
explain
select o.id from bigtable b
left join bigtable o
on o.id <= 10;
--> 可以谓词下推（能在 map 阶段提前过滤）
=============总结=============
在关闭cbo的情况下：
| 保留表字段（left的左表） | 非保留表字段 （left的右表） | |
| on | 不可以 | 可以 |
| where | 可以 | 不可以（开启cbo，可以） |
！！！注意：
1、对于 Left outer Join ，右侧的表写在 on后面、左侧的表写在 where后面，性能上有提高；
2、对于 Right outer Join，左侧的表写在 on后面、右侧的表写在 where后面，性能上有提高；
Full outer Join
案例一：过滤条件写在 where, 且是 保留表的字段
explain
select o.id from bigtable b
full join bigtable o
where b.id <= 10;
--> 可以谓词下推（能在 map 阶段提前过滤）
案例二：过滤条件写在 where, 且是 非保留表的字段
explain
select b.id,o.id from bigtable b
full join bigtable o
where o.id <= 10;
--> 可以谓词下推（能在 map 阶段提前过滤）
案例三：过滤条件写在 on, 且是 保留表的字段
explain
select o.id from bigtable b
full join bigtable o
on b.id <= 10;
--> 不可以谓词下推（不能在 map 阶段提前过滤）
案例四：过滤条件写在 on, 且是 非保留表的字段
explain
select o.id from bigtable b
full join bigtable o
on o.id <= 10;
--> 不可以谓词下推（不能在 map 阶段提前过滤）
=============总结=============
1. 如果不开启 cbo，写在 on后面，还是 where后面，都不会谓词下推
2. 如果开启了 cbo，写在 where 可以 谓词下推， 写在 on 不可以 谓词下推
Inner Join
案例一：过滤条件写在 where, 且是 保留表的字段
explain
select o.id from bigtable b
join bigtable o
where b.id <= 10;
--> 可以谓词下推（能在 map 阶段提前过滤）
案例二：过滤条件写在 where, 且是 非保留表的字段
explain
select b.id,o.id from bigtable b
join bigtable o
where o.id <= 10;
--> 可以谓词下推（能在 map 阶段提前过滤）
案例三：过滤条件写在 on, 且是 保留表的字段
explain
select o.id from bigtable b
join bigtable o
on b.id <= 10;
--> 可以谓词下推（能在 map 阶段提前过滤）
案例四：过滤条件写在 on, 且是 非保留表的字段
explain
select o.id from bigtable b
join bigtable o
on o.id <= 10;
--> 可以谓词下推（能在 map 阶段提前过滤）
=============总结=============
Inner Join 不管有没有开启cbo，不管写在 on后面 还是 where后面，都会进行谓词下推。
扫码关注我们
微信号｜bigdata_story
B站｜大数据那些事