请解释Spark SQL中的分区裁剪（Partition Pruning）机制，并分析它是如何影响查询性能的？

回答思路

1. 【回答框架 1】分区裁剪是Spark SQL在查询时利用分区表的元数据，跳过与查询条件无关的分区目录，只扫描满足条件的数据分区的优化机制。
2. 【回答框架 2】其核心在于将过滤条件下推到数据源层，在执行计划中通过Filter节点与物理分区对应，实现减少数据读取量、降低I/O开销和提升查询速度的目的。
3. 【回答框架 3】对性能影响显著，尤其在处理大规模分区表时，能大幅缩短扫描时间和资源消耗，但若分区列选择性差或缺失统计信息，优化效果可能有限。
4. 【回答框架 4】实际应用需注意分区字段选择，避免过多小文件和倾斜，确保分区裁剪真正生效。
5. 【回答框架 5】可通过执行计划中的PartitionFilters观察裁剪范围，并结合动态分区裁剪进一步提升性能。
6. 【关键点 1】分区裁剪利用分区元数据跳过无关分区，减少数据扫描量。
7. 【关键点 2】对查询性能的提升主要来自降低I/O和计算开销。
8. 【关键点 3】分区列的选择直接影响裁剪效果，高基数且过滤频繁的列更合适。
9. 【关键点 4】可通过执行计划验证分区裁剪是否生效。
10. 【易错点 1】分区裁剪仅对静态分区有效，动态分区情况需谨慎处理。
11. 【易错点 2】若分区列存在数据倾斜，可能导致部分分区数据量过大，影响性能。
12. 【易错点 3】依赖分区统计信息，若信息缺失可能无法有效裁剪。