在 Apache Iceberg 中，快照机制与分区裁剪分别如何作用于查询执行，二者又是怎样协同以缩短查询响应时间的？请说明其底层实现与典型收益。

回答思路

1. 【回答框架 1】Iceberg 快照是表在某一时刻的完整元数据与数据文件清单，每次写入或删除会生成新快照并保留历史版本。查询基于特定快照 ID 扫描，实现时间旅行与并发读的一致性，同时避免扫描无关文件。
2. 【回答框架 2】分区裁剪利用表的分区列元数据（如 manifest 中的分区统计信息）在规划阶段过滤掉不满足条件的 manifest 与数据文件，只读取涉及分区。它与快照结合：快照确定文件集合，裁剪进一步在该集合内剔除冗余文件。
3. 【回答框架 3】两者协同时，先定位到查询时间点对应的快照，获取该快照下的 manifest 列表，再依据分区过滤条件与 manifest 的统计信息跳过无关文件，显著减少需扫描的数据量。Iceberg 还利用 manifest 的 min/max 值在文件级别做二次过滤（数据跳过），进一步提升效果。
4. 【回答框架 4】实际收益表现为：扫描文件数大幅减少，尤其是点查或范围查询在高分区基数下性能提升明显；同时保留历史快照使时间旅行查询仍可复用裁剪逻辑，不牺牲一致性。
5. 【回答框架 5】工程实践中需合理设计分区列与排序，使裁剪能对齐查询过滤模式，避免选择度低的分区导致优化失效。
6. 【关键点 1】快照是查询的文件列表基础，分区裁剪在列表内过滤文件。
7. 【关键点 2】裁剪依赖 manifest 中的分区统计信息，可跳过整个 manifest。
8. 【关键点 3】协同实现最小化扫描集，提升点查与范围查询性能。
9. 【关键点 4】合理分区策略决定裁剪收益，需匹配查询模式。
10. 【易错点 1】将分区裁剪等同于全表扫描优化，忽略快照隔离的多版本文件重叠导致裁剪效果打折。
11. 【易错点 2】不具备分区统计时（如写入未同步更新统计）裁剪失效或产生错误结果。
12. 【易错点 3】盲目增加分区粒度，造成小文件过多，反而增加元数据开销。