Hive 在配置单元中的WHERE子句之后是否应用GROUPBY子句？

假设我有以下SQL：

select user_group, count(*)
from table
where user_group is not null
group by user_group

进一步假设99%的数据具有空用户组

这将在GROUP BY之前丢弃null行，还是一个较差的减速机最终将丢弃99%的行

我希望是前者。这会更有意义

如果你说蜂巢版本会发生什么，你会得到额外的积分。我们正在使用0.11并迁移到0.13

---

如果您可以指向任何确认的文档，则可获得额外的积分。

此查询将丢弃GROUP BY操作之前带有NULL的行。 希望此链接有用：-

顺序

FROM & JOINs determine & filter rows
WHERE more filters on the rows
GROUP BY combines those rows into groups
HAVING filters groups
SELECT
ORDER BY arranges the remaining rows/groups

第一步总是FROM子句。在您的例子中，这是非常直接的，因为只有一个表，并且不需要担心任何复杂的联接。在带有联接的查询中，将在第一步中计算这些联接。连接被组装起来以决定检索哪些行，ON子句条件是决定从每个表中连接哪些行的标准。FROM子句的结果是中间结果。您可以将其视为一个临时表，由满足所有连接条件的组合行组成。（在您的情况下，临时表实际上并没有构建，因为优化器知道它可以直接访问您的表，而不必连接到任何其他表。）

下一步是WHERE子句。在带有WHERE子句的查询中，根据WHERE条件对中间结果中的每一行进行求值，并将其丢弃或保留。因此，在转到GROUPBY子句之前，null将被丢弃

接下来是分组讨论。如果存在GROUPBY子句，则中间结果现在被划分为多个组，GROUPBY子句中列中的每个值组合对应一个组

现在是HAVING子句。HAVING子句对每个组操作一次，并且删除组中不满足HAVING子句的所有行

接下来是选择。从GROUPBY和HAVING子句生成的新中间结果行中，SELECT现在组装它需要的列

最后，最后一步是orderby子句