此时再和右表连接，左表id为2的行在右表中能找到，且满足"LT.id = RT.id AND LT.id > 1"这个join中条件，所以两表的value都被保留。左表中已经没有数据了，查询结束，查询结果如下：
这个查询结果和不下推的正确结果不一致，是个错误的结果，所以左表join中条件是不能下推进行数据过滤的。分析原因：主要是因为join中条件和join后条件对结果的处理方式不同，前者在不满足join条件时会保留一部分结果，而后者在不满足条件时任何东西都不保留。
3.右表join中条件下推查询语句如下：
现在把RT.id>1这个右表join后条件下推，来过滤右表，过滤后如下：
然后左表再和右表进行左连接，流程如下：
第一步：左表id为1的行在右表中没有，此时左表值保留，右表为null；
第二步：左表id位2的行在右表中有，并且RT.id大于1，两个join条件都满足，则左表和右表的值都保留。查询结果如下：
那么如果不下推（为了得到正确结果），来看看结果，流程如下：
第一步：左表id为1的行在右表中有，但是不满足第二个join条件，所以这行算是没join上，所以左表数据保留，右表为null；
第二步：左表id为2的行在右表中有，也满足第二个join条件，所以左右表的数据都保留。
可见，右表join中条件下推不下推，结果一样，所以，干吗不下推？可以过滤掉一半的数据呢。SparkSQL中的等价处理语句是：
可以看出，也是解析成了一个非相关子查询来处理的。
4.右表join中条件不下推这个应该是最违反常规理解的查询了，查询语句如下：
首先来看，join后条件不下推的情况，流程如下：
第一步：左表id为1的行在右表中可以找到，但是此时仅仅满足join条件，在使用where条件判断这条连接后数据时，发现右表的id不满足RT.id>1的条件，所以这条join结果不保留（注意：这里是不保留，全都不保留，左表右表都不保留，要跟上边的没join上而右表的值保留为null的情况区别开，这也是关键所在）；
第二步：左表id为2的行和右表id为2的行join上了，同时也满足RT.id>1的where条件。
这是一条符合语义的正确的查询结果。
好了，接下来看看右表join后条件下推的情况：
第一步：使用RT.id>1过滤右表，过滤后右表只剩一行id为2的行；
第二步：左表id为1的行在过滤后的右表中没有，此时左表值保留，右表值为null；
第三步：左表id为2的行在右表中有，此时左表值保留，右表值也保留。
结果如下：