请解释 Apache Kudu 的分区表设计，以及它是通过哪些具体机制来加速查询的？

回答思路

1. 【回答框架 1】Kudu 是一个支持快速分析扫描和低延迟随机读写的分布式存储引擎，其表分区机制主要包括范围分区和哈希分区两种，通过将数据按照某种规则分布在多个 tablet 上，实现查询时只扫描相关分区，减少扫描的数据量。
2. 【回答框架 2】范围分区：按照列的值范围将表划分为多个分区，例如按时间列分区，可以在时间范围过滤查询时只扫描对应的分区，避免全表扫描，从而大幅提升查询性能。
3. 【回答框架 3】哈希分区：通过对分区列计算哈希值将数据均匀分布到多个分区，可避免热点问题让写入和查询并行化，哈希分区常用于提高写入吞吐和均衡负载，但对范围查询优化有限。
4. 【回答框架 4】实际使用中可结合哈希分区和范围分区，例如先按时间范围分区，再在范围内按 ID 哈希，这样既支持时间范围裁剪，又能分散写入热点，平衡查询与写入性能。
5. 【回答框架 5】Kudu 通过元数据管理分区信息，查询优化器可根据过滤条件进行分区裁剪，只访问必要的 tablet，减少网络 IO 和 CPU 开销，同时列式存储和压缩进一步降低扫描的数据量。
6. 【关键点 1】范围分区支持裁剪，减少扫描数据量；哈希分区均衡负载，分散热点；两者可结合使用。
7. 【关键点 2】分区裁剪是 Kudu 优化查询的核心机制，能跳过无关分区。
8. 【关键点 3】列式存储和压缩减少 IO，提升扫描性能，但分区设计需合理，避免过多或过少分区。
9. 【易错点 1】分区键选择不当可能导致数据倾斜或热点，影响性能。
10. 【易错点 2】分区数量过小会导致并行度不足，过大则增加管理开销和元数据负担。