Gbase 8a mpp 集群计划（一） 计划的介绍和查看

        8a mpp是一款分布式的数据库，可以有多个cluster节点（控制节点）和data节点（数据节点），查询计划就是针对用户输入的sql给出能够使查询时间最快的分布式计划。

        例如目前有一个3节点的集群。（datanode1，datanode2，datanode3）

        首先普及下8a mpp支持的表类型：随机分布表，hash分布表，复制表。

        1、随机分布表：

              数据随机分布在所有的data节点上。 比如10条数据，datanode1上随机插入了4条，datanode2上随机插入了3条，datanode3随机插入了3条。

        2、hash分布表：

              按照定义的hash键值计算hash，然后分布到所有的data节点上。比如10条数据，按照key列插入的值计算hash，然后分布到固定对应的节点上。

        3、复制表

              把所有数据在所有节点上都保存一份。所有节点都有全部的数据。

         查询计划就是针对所查询的表给出一条可查询出数据的计划。

          比如：

          1、查询一个复制表select × from tcopy； 由于复制表的是存在所有节点上，并且每个节点都是全部数据，那计划就可以选择任意一个可用（保证能够正常的）的节点进行查询，然后返回数据即可。

           2、查询一个分布表（随机分布或hash分布） select × from tdis; 由于分布表是每个节点都可能有，所以需要从所有节点都获取数据，然后返回。

           3、查询多个表的连接涉及到条件，需要考虑的就更多了，复制表和复制表的连接可以直接查询，但是分布表和分布表就需要进行评估，多于两个表进行连接还需要评估连接顺序。目前就不深入介绍了。

            说完查询计划后，然后来介绍下如何去查看计划。

            查询语句：

            select n_name,

                       sum(l_extendedprice * (1 - l_discount)) as revenue

             from customer,

                      orders,

                       lineitem,

                       supplier,

                       nation,

                       region

              where c_custkey = o_custkey

                  and l_orderkey = o_orderkey

                  and l_suppkey = s_suppkey

                  and c_nationkey = s_nationkey

                  and s_nationkey = n_nationkey

                  and n_regionkey = r_regionkey

                  and r_name = 'ASIA'

                  and o_orderdate >= date '1994-01-01'

                  and o_orderdate < date '1994-01-01' + interval '1' year

             group by n_name

             order by revenue desc;

             tpch1000s的数据。customer, orders, lineitem,supplier,nation,region都是随机分布表。

             使用explain extended select ....；可以查看集群的详细计划和步骤。如下图：

       咱们先来看下基本的定义：

        Leaf type:当前步骤的类型  REGULAR STEP：一般的拉表步骤  COMBINER_STEP：汇总步骤  

        Need combiner：是否需要汇总

        Target temp table：目标的中间表

        Temp table uesd：利用的中间表

        Hash Redist Indexs：重分布的键值位置，就是投影列的位置

        从上面的计划看，

        首先第一步是拉表，目标中间表名是_tmp_2097588416_733_t438_1..表明这是一个复制表。从region拉表到临时表，最终临时表为复制表。

        第二步是拉复制表_tmp_2097588416_733_t438_2...。把第一步的临时表和nation进行join之后的结果作为目标临时表。

        第三步是拉复制表_tmp_2097588416_733_t438_3...。把第二步的临时表和supplier做join之后的结果作为目标临时表。

        第四步是orders带单表条件拉复制表_tmp_2097588416_733_t438_4....。

        第五步是lineitem表拉复制表_tmp_2097588416_733_t438_5....。

        第六步是拉分布表_tmp_rht_2097588416_733_t438_6...。hash redist indexs：1说明使用第一个投影作为hash键进行重分布。

        _tmp_2097588416_733_t438_3... inner join custom inner join _tmp_2097588416_733_t438_4...  inner join _tmp_2097588416_733_t438_5...按照n_name重分布，同时做group by计算sum

        第七步是拉复制表_tmp_2097588416_733_t438_7...，在第六步的临时表基础上进行group by聚集。注意此步骤需要汇总。group by算子是在所有节点分别做group by，然后汇总。

         第八步是汇总步骤，获取最终的结果。

        以上就是简单的介绍8a mpp分布式计划和查看分布式的详细计划。