Iceberg 文件统计信息有哪些?数据文件是如何被裁剪的
这道题考什么
这是 Iceberg 查询原理里的高频追问。很多人只会回答“靠元数据裁剪”,却说不清元数据里有什么、怎样判断文件一定不需要读。面试官真正想听的是:文件统计、分层裁剪和 Metrics Mode 的取舍。
一句话回答
Iceberg 会在 Manifest 中为每个数据文件记录行数、文件大小、各列值数量、NULL/NaN 数量以及上下界等统计信息。查询规划时,它先利用分区摘要排除 Manifest,再利用文件级统计排除 Data File,最后由 Parquet、ORC 等文件格式继续做 Row Group 或 Stripe 裁剪。