Presto 之Semi Join的实现

一. 前言

       在Presto中，select xxx from xxx where xxx in (select xxx from xx) 这种形式的SQL会被转成成Semi Join执行，通过xxx与子查询Join并且保留xxx的值实现in的过滤功能。本文主要介绍Semi Join在Presto中是如何实现的。

二. Semi Join的实现

        其实在Presto中，Semi Join的实现原理还是很简单的，本章以select * from t1 where id not in (select * from t2) 为例介绍Semi Join的实现过程。

1. Presto先把select * from t2的子查询编译成SetBuilderOperator算子：

                  

 

      2. 先执行子查询，子查询所有的数据完成输入后，SetBuilderOperator的channelSetFuture会被设置为Done状态，并且将子查询的结果保存在channelSetFuture中：

 

      3. channelSetFuture 完成后，HashSemiJoinOperator便开始接收数据：

 

       4.  HashSemiJoinOperator一边接收数据，一般判断Join列的数据是否在channelSet中存在，然后将存在的状态在输出Page中保存成新的一列：

   

     5.   HashSemiJoinOperator的输出再传给FilterAndProjectOperator，FilterAndProjectOperator 根据4中新增加的Bool列为true or false将数据过滤或者保留：

    如上就是在Presto中Semi Join的实现过程。