L'élagage évite de lire des données inutiles : l'élagage de partitions ignore les dossiers exclus par le filtre, et l'élagage de colonnes ne lit que celles demandées. Les formats en colonnes comme Parquet ou ORC, avec statistiques par bloc et prédicats poussés vers la source, rendent ces optimisations possibles.
Exemple
spark.read.parquet('ventes').select('id', 'montant').filter('annee = 2025')