clickhouse 子查询_ClickHouse分布式IN & JOIN 查询的避坑指南

当数据表包含多个分片的时候，我们需要将普通的本地查询转换为分布式查询。当然，这个转换动作是不需要用户自己进行的，在ClickHouse里面会由Distributed表引擎代劳。

Distributed表引擎的定位就好比是一个分表的中间件，它本身并不存储数据，而是分片的代理，能自动的将SQL查询路由到每个分片。

对于分片概念、定义方式以及相关表引擎作用等内容，这里就不再赘述了，我在ClickHouse这本书中对它们都有过详细的论述。

总而言之，分布式查询是面向Distributed表引擎的，而Distributed与分片表的关系如下图所示:

一种约定俗成的命名方式，是将Distributed表附带

_all后缀；本地分片附带

_local后缀，以示区分。

当我们面对Distributed表引擎查询的时候，它主要为我们做了3件事情:

发起

远程调用，根据集群的配置信息，从当前节点向远端分片发起Remote远程查询调用

分布式表转本地表，在发送远程查询时，将SQL内的

_all

表 转成

_local表

合并结果集，合并由多个分片返回的数据

假设Distributed表test_all映射了两个分片，它们分布在CH5和CH6两个节点，那么在CH5节点执查询

SELECT

*

FROM

test_all 的执行计划会是下面的这个样子:

其中，Remote远程查询 和 One本地查询是并行的，所以图中归为了一个步骤。

可以看到，面向Distributed表引擎查询，就自动的完成了整个分布式查询的过程。

是不是这样就高枕无忧了呢?

显然不是，铺垫了1000字，现在终于要进入正文了，哦也。

在大多数时候，面向Distributed表的SQL写法与本地查询没有多大区别。但当我们执行

IN 或者

JOIN查询的时候，一不小心就容易掉到坑里，因为这些查询子句会面对多张数据表。

为了便于演示&#