我遇到了多种信息来源，例如发现here的信息来源，其将“谓词下推”解释为：
...如果您可以将查询的一部分“下推”到存储数据的位置，从而过滤掉大部分数据，则可以大大减少网络流量。
但是，我在其他文档（例如here）中也看到过“投影下推”一词，这似乎是同一回事，但我不确定。
两个词之间有特定区别吗？
答案 0 :(得分：1)
谓词是指where / filter子句，它影响返回的行数。
投影指的是选定的列。
例如：
如果过滤器仅通过5％的行，则只有5％的表将从存储传递到Spark，而不是整个表。
如果您的投影只选择了10列中的3列，则更少的列将从存储传递到Spark，并且如果您的存储是柱状的（例如Parquet，不是Avro）并且未选择的列也不是过滤器的一部分，那么甚至不必阅读这些列。
答案 1 :(得分：0)
在集合和袋关系代数中，谓词下推消除了元组。
在袋关系代数中，投影下推消除了属性（“列”），但是在基于列的存储的情况下，这没什么大不了的，因为没有被使用到更高的列。甚至基于行的数据库也可能不会受益于投影下推（甚至SQL都没有指定物理访问计划）。袋子RA中的投影是非常名义上的操作，可以在元数据级别上物理完成（将某些列标记为不可访问）。
在集合关系代数中，投影下推通常也消除了元组，因此这才有意义。由于需要重复数据删除，因此设置RA投影并不是一项廉价的操作。就像GROUP BY，没有聚合的字段。不过，由于元组数量可能会大量减少，因此在连接之前进行投影通常还是值得的。
袋代数工具，例如。 SQL还具有设置RA投影的方法，例如SELECT DISTINCT。
在所有情况下，谓词下推和投影下推都不会导致更好的执行。取决于它们的选择性和许多其他因素。仍然，特别是谓词下推是一种很好的启发式方法，因为连接往往最昂贵。
如果下推式投影具有用于保留字段的排序索引，或者需要扫描表，则可能存在可以将投影与之融合的联接算法，从而避免了表/索引结构的双重读取。 / p>