所以我用这两个查询来实现相同的目标。使用sparksql。
查询a：

SELECT * FROM inspex.defect_parquet a
INNER JOIN inspex.layer_parquet b
ON a.id = b.id 
AND b.name = 'Example1';

查询b：

SELECT * FROM inspex.defect_parquet 
WHERE inspex.layer_scan_index  
IN    (SELECT layer_scan_index
      FROM inspex.layer_parquet
      WHERE name = 'Example1');
``` `defect_parquet` 是一张很大的table `layer_parquet` 是一个有几百kb的小表。
查询b比查询a快80%。当我看到spark如何运行的解释。以下是查询：
![](https://i.stack.imgur.com/fzhbJ.png)
以下是查询b：
![](https://i.stack.imgur.com/52YSr.png)
似乎spark处理这些的方式不同。有人能给我解释一下吗？为什么查询b更快？