SQL之LIMIT子句踩坑记录

部分场景下，我们可能希望从一个大表 unparsed 中抽取前100行并对这些行应用UDF，一种容易想到的SQL语句如下：

@pyspark
insert into table parsed
select url, parse_func(content) as parsed_content from unparsed
limit 100;

但这个语句实际上会对 unparsed 中的所有行先应用UDF然后再抽取前100行，不符合我们的期望，为此可以作出如下修改

@pyspark
insert into table parsed
select url, parse_func(content) as parsed_content
from (
    select url, content from unparsed
    limit 100
);

注意，以下这种语句是无效的，速度并不会有任何改变：

@pyspark
insert into table parsed
(select url, parse_func(content) as parsed_content from unparsed limit 100);