phoenix 联合主键的探索

环境：phoenix 5.0 hbase2.0

连接上phoenix，建一个测试表：

create table test12(email varchar not null,id integer not null,name varchar not null,age integer,aihao varchar CONSTRAINT PK PRIMARY KEY (EMAIL,id,name));

这是3个字段组成的联合主键。

刚接触时，由于查询的条件较多。我曾想着把所有字段都设置成主键。那不是全部搞定了，哈哈哈。(别做梦，醒一醒，年轻人)

显然将所有字段都设计成，主键是不合理的。

我认为phoenix 主键的目的有两点：

1、与关系型数据库一样，唯一标识数据。

或许会用到这种语句：

UPSERT INTO TEST(ID, MY_COL) VALUES(123, 0) ON DUPLICATE KEY IGNORE;

 

2、作为查询的条件。

Hbase 的 rowKey 就是快。

 

开了个小差，回到正题：

测试表联合主键的先后顺序是（EMAIL,id,name）

那么如下SQL，有区别吗？

select * from test12 where email='a' and id=1;

select * from test12 where id=1 and email='a';

看一下执行计划

explain select * from test12 where email='a' and id=1;

explain select * from test12 where id=1 and email='a';

两个结果相同：

虽然会自动优化成相同的顺序，建议写条件时，还是按照顺序来写SQL。

 

其实还有一种情况，我遇到了，特别记录：

test3与 test13表：

这两张表字段全部相同，只是主键的顺序不同，我用来做对比的。

 

与之关联的表是test4：

问：

test3 与 test4 inner join

test13 与 test4 inner join

test3、test13 的条件也都相同，结果会不同吗？

 

先看test3的SQL 与 执行计划：

SELECT T1.LOGIN_DATE,T1.COUNTRY,T1.IP,T1.BROWSER,T1.USER_NAME,T1.GENDER,T1.EMAIL,T2.TIME_SPEND,T2.CAM_SITE,T2.TOKEN_EARNED,T2.REVENUE,T2.TIPS_SENT,T2.TOY FROM TEST4 T1 INNER JOIN (SELECT SEQ_ID,SHOW_DATE,EMAIL,TIME_SPEND,CAM_SITE,TOKEN_EARNED,REVENUE,TIPS_SENT,TOY FROM TEST3 WHERE SEQ_ID>=45665 AND SHOW_DATE='2018-11-13' ORDER BY SEQ_ID LIMIT 20) T2 ON (T1.LOGIN_DATE = T2.SHOW_DATE AND T1.EMAIL = T2.EMAIL)
WHERE T1.COUNTRY='China' AND T1.USER_NAME='wjc';

 

再看test13 的SQL 与 执行计划

SELECT T1.LOGIN_DATE,T1.COUNTRY,T1.IP,T1.BROWSER,T1.USER_NAME,T1.GENDER,T1.EMAIL,T2.TIME_SPEND,T2.CAM_SITE,T2.TOKEN_EARNED,T2.REVENUE,T2.TIPS_SENT,T2.TOY FROM TEST4 T1 INNER JOIN (SELECT SEQ_ID,SHOW_DATE,EMAIL,TIME_SPEND,CAM_SITE,TOKEN_EARNED,REVENUE,TIPS_SENT,TOY FROM TEST13 WHERE SEQ_ID>=45665 AND SHOW_DATE='2018-11-13' ORDER BY SEQ_ID LIMIT 20) T2 ON (T1.LOGIN_DATE = T2.SHOW_DATE AND T1.EMAIL = T2.EMAIL)
WHERE T1.COUNTRY='China' AND T1.USER_NAME='wjc';

细心的你看出不同了吗？哈哈哈，明显test13 与 test4 inner join更加合适。

结论：第一个主键不适合，序列号等，唯一标识的列。

 

让我们继续：

再看一下，这两个有区别吗？

select * from test12 where id=1;

select * from test12 where email='a';

执行计划：

条件为id的是全表扫描，而email是范围扫描。效率可想而知。

 

这种情况也是会进行范围扫描，但name条件走的是过滤筛选。

select * from test12 where email='a' and name='b';

 

结论：

如果有相关的页面、或者业务逻辑。

那么设计联合主键时，第一个主键，建议是必填的、使用频率最高的、值存在重复的。

 

关于提高查询效率，还有二级索引可以使用。