hive 大表关联查询优化的疑问

Hive 大表join查询的优化

上面的帖子中，我有一个疑问：为何不在对大表关联查询之前，对a表的脏数据进行过滤一遍，然后基于过滤后的结果集在和表b进行关联？

[mw_shl_code=sql,true]from trackinfo a
left outer join pm_info b
on (
    case when (a.ext_field7 is not null
        and length(a.ext_field7) > 0
        and a.ext_field7 rlike '^[0-9]+$')
    then
        cast(a.ext_field7 as bigint)
    else
        cast(ceiling(rand() * -65535) as bigint)
    end = b.id
)



为何不在关联之前将trackinfo表中的数据先过滤一下，然后在进行关联查询？不可以吗？
from （select * from trackinfo t where t.id is not null and nd length(a.ext_field7) > 0
        and a.ext_field7 rlike '^[0-9]+$'） as a
left out join pm_info b on a.id = b.id[/mw_shl_code]

有大佬给解释了一下：
第一种写法，结果集会以A表的记录数为准。
第二种写法，结果集会过滤掉id为空的记录。
比如：A表原先有10000条记录，其中id为空的为2000条，那么第一种写法，结果集还是10000条记录。而第二种写法，结果集会只有8000条记录。
两种写法都可以，只不过看具体的业务需求，是怎么样定义的。需不需要id为空的记录出现在结果集中。

希望大神能够指点一二，多谢～

学习ing