greenplum 关于联表的特性

• 左连接  不能将左表广播
• 右连接  不能将右表广播

 

关联表尽量使用相同的分布键，可以直接进行数据关联，不用进行重分布。

 

内连接

 
情况1：select * from test_table_5000 as t1, test_table_10000 as t2  where t1.id=t2.id关联键是分布键，不涉及重分布 

情况2：select * from test_table_5000 as t1, test_table_10000 as t2  where t1.id=t2.id2 
方式1：将t1表广播到每一个segment上，数据量是N*6(segment数量) 
方式2：将t2表根据id2重分布数据，数据量是M

情况3：select * from test_table_5000 as t1, test_table_10000 as t2 where t1.id2=t2.id2

 

 

 

根据代价选择方式：

• 方式1：将两个表都按照id2重分布，数据量： M+N 
• 方式2：将小表进行广播，数据量：N*(segment数量)

 

• 左分布键 关联 右非分布键

• 无分布键进行关联：

 

左连接

左连接时，左表不允许广播 

• 情况1：select * from test_table_5000 as t1 left join test_table_10000 as t2 on t1.id=t2.id 两个表都是分布键，不涉及广播与重分布 
• 情况2：select * from test_table_5000 as t1 left join test_table_10000 as t2 on t1.id=t2.id2 将t2表进行重分布，数据量 M
• 情况3：select * from test_table_5000 as t1 left join test_table_10000 as t2 on t1.id2=t2.id 
• 方式1：将左表按照id2重分布，数据量N 
• 方式2：将右表广播，数据量为M*6 
• 情况4：select * from test_table_5000 as t1 left join test_table_10000 as t2 on t1.id2=t2.id2 
• 方式1：将两表按照id2重分布，数据量N+M 
• 方式2：将右表广播，数据量为M*6

 

全连接

全连接时，两表不允许广播 

• 情况一：select * from test_table_5000 as t1 full outer join test_table_10000 as t2 on t1.id=t2.id; 两表关联键都是分布键，不涉及重分布与广播 
• 情况二：select * from test_table_5000 as t1 full outer join test_table_10000 as t2 on t1.id=t2.id2 无论t2表数据量有多大，都是只能重分布t2
• 情况三：select * from test_table_5000 as t1 full outer join test_table_10000 as t2 on t1.id2=t2.id2 对两个表进行重分布

 

 

 

普通分库分表没有办法直接进行关联数据，A表关联B表，在节点1上能取到1-100的数据，但是节点2关联就无法获取B表的101-1000的数据。

 

gp基于分布键关联：