自动将分区条件添加到 WHERE 子句
Posted
技术标签:
【中文标题】自动将分区条件添加到 WHERE 子句【英文标题】:Automatically add partition conditions to WHERE clause 【发布时间】:2021-12-09 18:57:07 【问题描述】:我有一个按天和小时分区的柱状表。它存储在 S3 的 parquet 文件中,供 Athena 查询。这是创建表:
CREATE EXTERNAL TABLE foo (
-- other columns here
dt timestamp,
day string,
hour string
)
PARTITIONED BY (day string, hour string)
STORED AS parquet
LOCATION 's3://foo/foo'
S3 上的布局是这样的:
s3://foo/foo/day=2021-10-10/hh=00/*.parquet
s3://foo/foo/day=2021-10-10/hh=01/*.parquet
...etc
s3://foo/foo/day=2021-10-10/hh=23/*.parquet
所以像下面这样的查询会很快,因为它只扫描超过一小时的 parquet 文件,因为分区列被用来过滤它:
-- fast, easy to write
SELECT * FROM foo WHERE day = '2021-10-10' AND hour = '00'
但是,该表还包括完整的日期时间dt
。通常我们希望为不符合天/小时边界和/或位于不同时区的范围编写查询。
例如,这将扫描所有 parquet 文件并且非常慢:
-- slow, easy to write
SELECT * FROM foo WHERE dt > '2021-10-09 23:05:00' AND dt < '2021-10-11 01:00:00'
可以通过手动计算最小包围时间段的day
和hour
来改进:
-- fast, painful to write
SELECT * FROM foo
WHERE
((day, hh) IN (('2021-10-09', '23'), ('2021-10-11', '00')) OR day = '2021-10-10')
AND
dt > '2021-10-09 23:05:00' AND dt < '2021-10-11 01:00:00'
理想情况下,这个额外的条件可以由数据库透明地添加,以避免手动添加((day,hh) IN (...))
。
Athena 能以某种方式实现吗?
【问题讨论】:
我无法可视化表格结构及其列。可以添加几行示例数据吗? @TheImpaler 我进行了编辑以希望澄清这一点! 我想您可能会在 dba.stackexchange.com 上找到更好的答案 【参考方案1】:我多次希望使用此功能,但不幸的是 Athena 不支持它。您必须同时包含 dt
列的谓词以及 day
和 hour
分区键。
【讨论】:
我没有足够的声望来投票,但是谢谢!以上是关于自动将分区条件添加到 WHERE 子句的主要内容,如果未能解决你的问题,请参考以下文章