Hive分区表count(*)不起mapreduce的真相

问题背景：
在对Hive求count(*)时，发现有些表会启mapreduce计算、返回 结果，比较耗时，有的表1秒之内返回结果
刚开始以为刚刚执行过一次count()后会对结果进行缓存，不用再去跑mapreduce，但经进一步实验发现大多数表每次执行count()操作都会跑mapreduce，于是猜测的结论不成立。
后在必应查找原因，大部分的结果都指向了：‘hive从1.0开始采用Fetch Task， 对于简单查询的自动优化’
具体内容可以参考：http://blog.javachen.com/2014/06/09/fetchtask-in-hive.html

查找思路：
经过了解Fetch Task发现，它对简单查询会直接读取文件，但是不适用于聚合操作，继续查找原因，发现有人提到分区表，是有把分区的信息写入元数据，于是查看hive的mysql元数据表。

问题解决：
在hive的元数据库‘hive’库中有8张跟分区表有关的表，其中partitions保存有分区表的源表、分区id等信息，而在另一张表‘partition_params’表中存有 part_id 和对应的参数值（其中包括行数，行数据大小，总大小等）
答案就很明了了，分区表的count(*)是从元数据表中所取，而并非从所有节点上 map 然后reduce。