AWS Athena上的SEMI JOIN

Question

我想知道是否有一種方法可以在AWS Athena（托管的presto）上使用SEMI JOIN。 我想嘗試減少掃描的數據/提高查詢性能。

就我而言，我知道聯接的一側恰好有一行，並且我想是否有一種方法可以指示引擎有關此信息……

Answer 1

如果您發布了一個示例，說明您想實現什么以及如何進行過多掃描，這將很有幫助。 您的問題很廣泛，很難回答。

如果我對您的理解正確，我認為您可以通過執行以下操作來達到您所指的目的：

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

但是，是否要減少掃描的數據量取決於您的具體情況。 上面查詢背后的想法是，確保Athena僅掃描table2直到找到您要加入的特定行。如果不走運，它仍將掃描整個表，因為它找不到值，或者該值在末尾。

您也可以使用… WHERE EXISTS (SELECT … ，但是根據此Presto問題，它被轉換為聯接，並可能意味着讀取了整個表-盡管使用LIMIT可能不是這種情況。