在UNION查询中执行DISTRIBUTE时，是否需要子查询？

Question

考虑：

select 1 as id, 2 as val

UNION ALL

select 2 as id, 1 as val

DISTRIBUTE BY id SORT BY val

DISTRIBUTE BY是否只应用于第二个select表，还是应用于UNION ALL的结果，还有点模糊。

我是否需要一个子查询来确保DISTRIBUTE步骤仅在UNION ALL完成后应用，即

select * from (
  select 1 as id, 2 as val
  union all
  select 2 as id, 1 as val
)
DISTRIBUTE BY id SORT BY val

两个查询的EXPLAIN看起来都是一样的：

== Physical Plan ==
*(3) Sort [val#636 ASC NULLS FIRST], false, 0
+- Exchange hashpartitioning(id#635, 200)
   +- Union
      :- *(1) Project [1 AS id#635, 2 AS val#636]
      :  +- Scan OneRowRelation[]
      +- *(2) Project [2 AS id#637, 1 AS val#638]
         +- Scan OneRowRelation[]

但我不清楚，对于更复杂的查询，情况总是如此(在我尝试过的更实际的用例中，一列的列别名#略有不同)。

Answer 1

来自蜂巢文档

若要对单个SELECT应用ORDER、ORDER、ORDER、SELECT或place，请将子句放在括住SELECT的括号内： 选择key FROM (按键限制从src顺序选择键) subq1 UNION选择key FROM (按键限制从src1顺序选择键) subq2 若要向整个UNION结果应用ORDER、SORT、CLUSTER、DISTRIBUTE或last子句，请在最后一个UNION结果之后将顺序按、排序、按群集、按或限制排列。 下面的示例同时使用ORDER和clauses子句： 从src联合选择键，按键限制10从src1顺序选择键

因此，在您的例子中，DISTRIBUTE子句将应用于UNION的整个结果。