greenplum 两表关联 重分布 广播

假设需要两张表A,B关联，其中A表中关联键不是分布键，那么对于a表而言就会发生如下两种情况

1 广播

2  重分布

分布式的关联有两种

单库关联：分布键和关联键一致，只需要在单个库关联后得到结果即可

跨库关联：关联键和分布键不一致，数据重新分布，转换为单库关联，从而实现表的关联

测试表

表名	字段	分布键	数量
A	ID1，ID2	ID1	M
B	ID1，ID2	ID1	N

考虑几种连接方式

内连接

1、分布键与关联键一致,单库连接

SELECT * FROM A,B WHERE A.ID1=B.ID1;

2、一张表的分布键与关联键不一致

SELECT * FROM A,B WHERE A.ID1 = B.ID2;

首先第一点b表分布键与关联键不一致

考虑 将 b 表按照 id2 重分布一遍则数据量为N

（其实还可以将b表广播z份，数据量为N*z,所以就可以判断出，b表最多重分布）

将a广播z份，则数据为M*z

就是要比较两者产生的数据量大小，如果b大，则让a广播，如果b小，则rang b重分布

3、两张表的分布键与关联键不一致

select * from a,b where a.id2=b.id2;

重分布： M+ N

某个广播 min(M,N)*Z

同样比较两者的大小

左连接

1、分布键与关联键一致,单库连接

2、一张表的分布键与关联键不一致

select *　from a left join b on a.id1=b.id2;

左边不能广播，而且左表关联键为分布键，那么对于这个连接，只能是b表操作，b表重分布为N，b表广播为N*z

数据量为N

select * from a left join b on a.id2=b.id;

左连接，左表不能被广播，那么

1、a表重分布  M

2、将b表广播，n*z

3、两张表的分布键与关联键不一致

select * from a left join b on a.id2=b.id2;

还有两种方式

将表A与表B都按照id2字段将数据重分布一遍，数据量M+Ｎ

表Ａ不能广播，只能将B，代价为N*z

全连接

1、关联键为分布键,单库连接

select * from a full outer join b where a.id=b.id;

2、一张表的分布键与关联键不一致

select *  from a full outer join b where a.id=b.id2;

两者都不能被广播，那么只能为重分布

只能为 N

3、select * from a full outer join b where a.id2=b.id2;

将两张表重分布 M+N   

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/29162273/viewspace-2129552/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/29162273/viewspace-2129552/