【Spark】SparkOptimizer 优化规则：OptimizeMetadataOnlyQuery

这两天在SparkSQL Core看到一个优化规则：OptimizeMetadataOnlyQuery，它的意思是如果一个sql只涉及表的分区字段元信息查询的话，执行过程将不会路由到TableScanExec的PhysicalPlan进行表扫描，而是通过分区元信息的字段和值构建LocalRelation，进而构造一个LocalTable，走LocalTableScanExec的PhysicalPlan。

这个规则的触发要满足下面几个条件：

• sql中所有查询的字段必须是分区字段
• 如果使用了聚合函数，必须满足下面条件：
  1. 聚合表达式是分区字段，如（col等为tbl的分区字段，下同）：
     SELECT col FROM tbl GROUP BY col.
  2. 对分区字段使用的聚合函数带Distinct，如：
     SELECT count(DISTINCT col) FROM tbl GROUP BY col.
  3. 对分区字段使用的聚合函数为Max，Min，First、Last函数，如：
     SELECT Max(col) FROM tbl GROUP BY col.

如果满足上面的条件，将会对逻辑计划进行优化，调用replaceTableScanWithPartitionMetadata，做的事情包括：
1. 把CatalogTable中的分区字段取出来；
2. 把CatalogTable中的分区值取出来；
3. 构建LocalRelation(partAttrs, partitionData)

简单来说，就是把分区字段及其值取出来，构造一个本地表，这样在执行时就不需要去扫描真正的表了。

如果要禁用该优化，需要设置参数spark.sql.optimizer.metadataOnly=false，spark里面默认是true。