AWS Athena上的SEMI JOIN

Question

我想知道是否有一种方法可以在AWS Athena（托管的presto）上使用SEMI JOIN。 我想尝试减少扫描的数据/提高查询性能。

就我而言，我知道联接的一侧恰好有一行，并且我想是否有一种方法可以指示引擎有关此信息……

Answer 1

如果您发布了一个示例，说明您想实现什么以及如何进行过多扫描，这将很有帮助。 您的问题很广泛，很难回答。

如果我对您的理解正确，我认为您可以通过执行以下操作来达到您所指的目的：

SELECT *
FROM table1
WHERE something IN (SELECT something FROM table2 WHERE col1 = 'the thing' LIMIT 1)

但是，是否要减少扫描的数据量取决于您的具体情况。 上面查询背后的想法是，确保Athena仅扫描table2直到找到您要加入的特定行。如果不走运，它仍将扫描整个表，因为它找不到值，或者该值在末尾。

您也可以使用… WHERE EXISTS (SELECT … ，但是根据此Presto问题，它被转换为联接，并可能意味着读取了整个表-尽管使用LIMIT可能不是这种情况。