Databricks/Spark：File Pruning与File Skipping有何区别？

这两个术语在Delta Lake的语境下核心逻辑一致，日常使用中常被互换，但严格来说存在细微的侧重点差异：

• 核心逻辑完全相同
  两者都是依赖文件的列统计信息（比如列的最小值、最大值、空值数量等），判断某份文件是否可能包含查询所需的数据，一旦确定无匹配就直接跳过读取该文件，以此减少不必要的I/O开销，提升查询性能。

• 术语侧重点不同

  • File Skipping：更偏向描述最终动作结果——直白点说就是“跳过文件”这个行为本身，是对优化效果的直接表述。
  • File Pruning：更偏向描述背后的筛选过程——强调系统如何通过统计信息“修剪”掉无关文件的机制，聚焦的是筛选逻辑。

• 实际使用场景
  在Delta Lake官方文档和技术社区的讨论里，这两个术语基本可以混用，比如提到“基于列统计实现File Skipping/File Pruning”，不会产生理解歧义。只有在非常精细的技术拆解场景下，才会特意区分两者的侧重点，日常开发或讨论中完全可以互换使用。

内容的提问来源于stack exchange，提问作者Ashwin