GBase 集群执行计划的 union 优化

union 执行方式 

 集群计划对 union 的固有的执行方式有以下三种方式： 

1、直接下发：能在各个节点上执行 union 操作，结果不需要汇总直接返回客 户端 如：

 select id4 from x1 union select id4 from x2; 

x1 和 x2 是 hash 分布表，且两表的 id4 是 hash 分布列 

select entry_id,id4 from x1 minus select entry_id,id2 from r1; 

x1 是 hash 分布表，id4 是 x1 的 hash 分布列，r1 是复制表。

 2、单节点执行：只需要在一个节点上执行返回结果 如：

 select * from r1 union select * from r2; 

r1 和 r2 是复制表

 select entry_id from x1 where x1.id4=10 union select id2 from x2 where x2.id4=10; 

x1 和 x2 是 hash 分布表，且两个表的分布列都是 id4. 

3、先执行再汇总：各个节点先执行 union，结果汇总到一个节点上，再在汇总节点上执行 distinct。

union 优化原理：

该优化受参数控制，优化主要是增加了计算节点数目，在节点数较多时（10 个以上），性能提升明显。具体优化方式如下： 能够满足“直接下发”和“单节点执行”的，按“直接下发”和“单节点执 行”进行执行；对于不能满足的，通过拉表转换成“直接下发”或“单节点 执行”进行执行，优先转换成直接下发执行。拉表包括拉复制表和 hash 重分布拉表。

union 优化控制参数 

•  _t_gcluster_union_redist_optimize 

控制是否开启 union 重分布优化.

取值范围[0,1,2] 

默认值为 0 代表关闭

1 表示开启不支持 union 两边对应为 int 和 decimal 列进行重分布优化 

2 表示开启，支持 union 两边对应为 int 和 decimal 列进行重分布优化，

重分布前会将 int 列转换为 decimal 类型，进行重分布 

注： hash 重分布是指将表中的数据按照 union 操作时临时指定的列作为 hash 分布 列进行 hash 重分布。不同的数据类型有不同的 hash 算法，union 优化要求各 子句对应位置上的 hash 列数据类型要相同，如果不相同需转为一致的数据类 型。目前只支持 int->decimal 的数据类型转换，其他类型之间的转换均不支 持。

• _t_gcluster_union_redist_distinct 

控制子查询拉表时是否带上 distinct。

取值范围[0,1] 默认值为 1，表示带 distinct 

注： 对需要去重的情况，union 子查询拉表时，通常会在投影列中增加 distinct 关 键字先进行一次去重以减少拉表和下一步计算的数据量。当子查询数据重复率较低，进行一次 distinct 减少的数据量不大时，可以设置该参数为 0，减少 一次 distinct。